VoxCPM TTSName
A tokenizer-free TTS model that works in continuous space, outputs 44.1kHz audio, and stays consistent across paragraphs.
ტექსტის გადატანა SSML ჭდეებში ზუსტი კონტროლისთვის:
<speak><prosody rate="slow">Slow speech</prosody></speak>
მონიშნული მოდელისთვის გასაგები ჭდეები - დააწკაპუნეთ, რომ ერთი ჭდე თქვენს ტექსტში ჩააგდოთ, სადაც ის მოხდება:
ეს მოდელი კითხულობს ჩვეულებრივ ტექსტს, ამიტომ შიგნით თავსებული ჭდეები იგნორირდება. ჭდეებზე დაფუძნებული ემოციებისთვის გადადით გამოხატვის მოდელში, როგორიცაა Orpheus ან Bark.
ინდივიდუალური გამოთქმების განსაზღვრა (სიტყვი = გამოთქმა):
ინფორმაცია 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.
საუკეთესოა: High-fidelity audio, audiobooks, long-form content with voice consistency
ყველას დათვალიერება VoxCPM ხმაჟ მალკჲ ოჲდლვენსგაŒვ
- პროგრამისტი
- OpenBMB
- ლიცენზია
- Apache 2.0
- იანვარი
- standard
- სიჩქარე
- fast
- ხმა
- ეა
- ენაName
- English, Chinese
- სიმბოლოების მაქსიმალური რაოდენობა
- 2000