VoxCPM

VoxCPM TTSName

A tokenizer-free TTS model that works in continuous space, outputs 44.1kHz audio, and stays consistent across paragraphs.

დარეგისტრირება 5000 სიმბოლოს საზღვარი

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):

-12 +12
0.5x 2.0x
თავისუფალი Piper, VITS, MeloTTS- ით
აქ გამოჩნდება თქვენი შექმნილი აუდიო. აირჩიეთ მოდელი, შეიყვანეთ ტექსტი და დააჭირეთ "შექმნა".
აუდიო წარმატებით შექმნილია
0:00
აუდიოს ჩამოტვირთვა ჩამოტვირთვა ბმულის ვადა მთავრდება 24 საათში
Freeware: თავისუფალი პროგრამა. კომერციული ლიცენზია $5/თვედან
ჟაკაქ TTS.ai? კაზთ თმ ნა ოპთ£არვლთრვ ჟთ!

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 ხმა

ჟ მალკჲ ოჲდლვენსგაŒვ

პროგრამისტი
OpenBMB
ლიცენზია
Apache 2.0
იანვარი
standard
სიჩქარე
fast
ხმა
ეა
ენაName
English, Chinese
სიმბოლოების მაქსიმალური რაოდენობა
2000

VoxCPM ხმა

Default

English
სტანდარტული Neutral

Default Chinese

Chinese
სტანდარტული Neutral

VoxCPM TTS - ხშირად დასმული კითხვები

Rather than discretizing speech into tokens, VoxCPM models audio in continuous space using flow matching. This helps it retain subtle acoustic detail and produce clean 44.1kHz output.

Yes. It is specifically designed to keep the voice consistent across paragraphs, which makes it well suited to audiobooks and other long passages where other models tend to drift.

Yes. It supports cross-lingual cloning between English and Chinese — for example applying an English reference voice to Chinese speech — from three to ten seconds of audio.
← ყველა ხმა