VoxCPM ТТС
A tokenizer-free TTS model that works in continuous space, outputs 44.1kHz audio, and stays consistent across paragraphs.
Умотајте текст у ССМЛ ознаке за прецизну контролу:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Означе изабрани модел разуме — кликните да га испустите у текст где се то дешава:
Овај модел чита обичан текст, па се ознаке за успостављене на линији игноришу. За емоције засноване на ознакама пребаците на изражавајући модел попут Орфеја или Барка.
Дефинишите посебне изговоре (слов = изговор):
О 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.
Најбоље за: High-fidelity audio, audiobooks, long-form content with voice consistency
Прегледај све VoxCPM гласовиНа један поглед
- Програмер
- OpenBMB
- Лиценца
- Apache 2.0
- Низ
- standard
- Брзина
- fast
- Гласово клонирање
- Да.
- језици
- English, Chinese
- Макс. знакова
- 2000