VoxCPM ТТС
A tokenizer-free TTS model that works in continuous space, outputs 44.1kHz audio, and stays consistent across paragraphs.
Опакувајте го вашиот текст во SSML ознаки за прецизна контрола:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Означувања на избраниот модел кои го разбира — кликнете за да го пуштите еден во вашиот текст каде што се случува:
Овој модел чита обичен текст, па значи, во редовните ознаки се игнорираат. За емоции базирани на таг, префрли се на изразителен модел како што е Орфеус или Барк.
Дефинирај ги сопствените изговори (слов = изговор):
За 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.
Најдобро за: High-fidelity audio, audiobooks, long-form content with voice consistency
Прелистувај ги сите VoxCPM гласовиНа еден поглед
- Развивач
- OpenBMB
- Лиценца
- Apache 2.0
- Ниво
- standard
- Брзина
- fast
- Гласовно клонирање
- Да.
- Јазици
- English, Chinese
- Макс. знаци
- 2000