VoxCPM टीएसटी
A tokenizer-free TTS model that works in continuous space, outputs 44.1kHz audio, and stays consistent across paragraphs.
अस्थायी नियंत्रण के लिए एसएसएमएल टैग में अपने पाठ को लपेटें:
<speak><prosody rate="slow">Slow speech</prosody></speak>
चुने गए मॉडल को समझने के लिए टैग - पर क्लिक करें जहाँ हो वहाँ किसी को छोड़ा जाए:
यह मॉडल सादा पाठ पढ़ता है, तो इनलाइन टैग नज़रअंदाज़ किया जाता है. टैग आधारित भावना के लिए, ओरे-हिक मॉडल या बारक में स्विच करता है.
मनपसंद उच्चारण पारिभाषित करें (नाम = उच्चारण):
के बारे में VoxCPM
VoxCPM 1.5 by OpenBMB takes an unusual approach: instead of converting speech into discrete tokens, it operates directly in continuous space, which helps it preserve fine acoustic detail. It produces high-fidelity 44.1kHz audio, supports zero-shot voice cloning from three to ten seconds of reference, and maintains a consistent voice across long passages — a common failure point for other models on multi-paragraph text. Its cross-language cloning lets an English reference voice speak Chinese and vice versa. With Apache 2.0 licensing and LoRA fine-tuning support, it is well suited to audiobooks and long-form content where voice consistency over many paragraphs is essential.
के लिए उत्तम: High-fidelity audio, audiobooks, long-form content with voice consistency
सभी ब्राउज़ करें VoxCPM आवाज़एक नज़र
- डेवलपर
- OpenBMB
- लाइसेंस
- Apache 2.0
- टीयर
- standard
- गति
- fast
- आवाज कहीं नहीं
- हाँ
- भाषाएँ
- English, Chinese
- अधिकतम अक्षर
- 2000