Značky, ktorým vybraný model rozumie — kliknutím ich umiestnite do textu tam, kde sa vyskytujú:
Tento model číta obyčajný text, takže vnorené značky sa ignorujú.Pre emócie založené na značkách prejdite na expresívny model ako Orpheus alebo Bark.
Dnes ocenený technológiou Qwen3-TTS; ďalšie expresívne modely budú k dispozícii už čoskoro.
Tento model nepodporuje štýl inštrukcie — prepnite na model, ktorý to robí (napr Qwen3-TTS).
Definovať vlastné výslovnosti (slovo = výslovnosť):
-12
+12
Ovláda expresivitu (0 = neutrálne, 1 = veľmi expresívne)
Navádzacia hmotnosť bez klasifikátora (vyššia = viac pokynov)
Popíšte štýl hlasu v prirodzenom jazyku (Parler používa tento namiesto prednastavených hlasov)
Dia Dialóg formát: Použite [S1] a [S2] značky na označenie rôznych reproduktorov. Príklad: [S1] Ahoj tam! [S2] Ahoj, ako sa máš?
Toto je prémiový hlasový model, ktorý je k dispozícii na akomkoľvek platenom pláne, ale stále si môžete pozrieť jeho hlasy zadarmo pomocou tlačidla prehrávania vedľa výberu hlasu.
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.
Najlepšie pre: High-fidelity audio, audiobooks, long-form content with voice consistency
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.
Zadajte svoj e-mail, aby ste získali 15 000 znakov zadarmo a pokračovali v generovaní reči.
Nepotrebujete žiadne heslo – pošleme vám e-mail s odkazom na nastavenie hesla neskôr.
Dosiahnutý limit bezplatnej úrovne
Vytvoriť si účet zdarma a získať 15 000 bonusových znakov plus 10 000 znakov zadarmo každý mesiac, alebo si vytvoriť účet zdarma a získať 15 000 bonusových znakov plus 10 000 znakov zadarmo každý mesiac.
