VoxCPM TTS
A tokenizer-free TTS model that works in continuous space, outputs 44.1kHz audio, and stays consistent across paragraphs.
Írja be a szöveget az SSML címkékbe a pontos vezérlés érdekében:
<speak><prosody rate="slow">Slow speech</prosody></speak>
A kijelölt modell tagjeiben a ~ kattintson az alábbi szövegbe:
Ez a modell egyszerű szöveget olvas, így a sorcímke figyelmen kívül marad. A tag alapú érzelem, váltson át egy expresszív modell, mint Orpheus vagy Bark.
Definiáld az egyéni kiejtéseket (szó = kiejtés):
About 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.
Legjobb: High-fidelity audio, audiobooks, long-form content with voice consistency
Összes böngészés VoxCPM hangokEgy pillantásra
- Fejlesztő
- OpenBMB
- Jogosítvány
- Apache 2.0
- Tier
- standard
- Sebesség
- fast
- Hang klónozása
- Igen.
- Nyelvek
- English, Chinese
- Max. karakterek
- 2000