VoxCPM

VoxCPM TTS

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

பதிவு செய் 5,000 எழுத்துகள் வரையறை

உங்களின் உரை SSML ஒட்டுகளில் சரியான கட்டுப்பாட்டிற்காக மடி:

<speak><prosody rate="slow">Slow speech</prosody></speak>

தேர்ந்தெடுக்கப்பட்ட மாதிரி புரிந்து கொள்ளும் குறிகள் - உங்கள் உரைக்குள் ஒன்றை இழுக்க க்ளிக் செய்யவும் அது நடக்கும் இடம்:

இந்த மாதிரி வெறும் உரை படிக்கிறது, எனவே உள்ளமைந்த குறிகள் புறக்கணிக்கப்படும். குறி அடிப்படை உணர்வுகளுக்கு, Orpheus அல்லது Bark போன்ற ஒரு வெளிப்படுத்தும் மாதிரிக்கு மாறவும்.

தனிப்பயன் உச்சரிப்புகளை வரையறுக்கவும் (வார்த்தை = உச்சரிப்பு):

-12 +12
0.5x 2.0x
Piper, VITS, MeloTTS உடன் இலவசமாக
உங்கள் உருவாக்கப்பட்ட ஒலி இங்கே தோன்றும். ஒரு மாதிரியை தேர்ந்தெடுத்து, உரை உள்ளிடவும், உருவாக்க க்ளிக் செய்யவும்.
ஒலி வெற்றிகரமாக உருவாக்கப்பட்டது
0:00
ஒலி பதிவிறக்கம் பதிவிறக்கவும் இணைப்பு 24 மணிநேரத்தில் காலாவதியாகும்
இலவச தரம்: தனிப்பட்ட பயன்பாடு. $5/ மாதம் முதல் வணிக உரிமம்
இந்த உங்கள் சொந்த குரல் செய்ய 30 விநாடிகளில் ஒரு குரலை போலியாக்கு
TTS.ai ஐ நேசிக்கிறீர்களா? உங்கள் நண்பர்களுக்குச் சொல்லுங்கள்!

& பற்றி 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.

சிறந்த: High-fidelity audio, audiobooks, long-form content with voice consistency

அனைத்தையும் உலாவுக VoxCPM குரல்கள்

ஒரு பார்வை

உருவாக்குநர்
OpenBMB
உரிமம்
Apache 2.0
மிருகம்
standard
வேகம்
fast
குரல் ஒப்புமை
ஆம்
மொழிகள்
English, Chinese
அதிகபட்ச எழுத்துக்கள்
2000

VoxCPM குரல்கள்

Default

English
இயல்பான Neutral

Default Chinese

Chinese
இயல்பான Neutral

VoxCPM TTS - அடிக்கடி கேட்கப்படும் கேள்விகள்

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.
← அனைத்து குரல்கள்