Tags ang napili modelo nauunawaan — i-click upang ihulog ang isa sa iyong teksto kung saan ito ay nangyayari:
Ang modelong ito ay nagbabasa ng karaniwang teksto, kaya inline tags ay hindi pinapansin. Para sa tag-based na damdamin, lumipat sa isang makahulugang modelo tulad ng Orpheus o Bark.
Natural-language delivery cues. Pinarangalan ng Qwen3-TTS ngayon; iba pang mga masining na modelo darating sa lalong madaling panahon.
Ang modelong ito ay hindi sumusuporta sa mga tagubilin ng estilo — lumipat sa isang modelo na ginagawa (halimbawa Qwen3-TTS).
Tukuyin ang mga pasadyang mga panlapi (word = panlapi):
-12
+12
Controls katangian ng pagpapakita (0 = neutral, 1 = napaka-katangian ng pagpapakita)
Classifier-free gabay timbang (mas mataas = mas prompt-sunod)
Ipaliwanag ang estilo ng boses sa natural na wika (Parler gumagamit ito sa halip ng preset na boses)
Dia Dialog Format: Ang mga salitang ito ay maaaring isulat sa mga titik na [S1] at [S2]. Halimbawa: [S1] Hello there! [S2] Hi, how are you?
Ito ay isang premium na modelo ng boses, magagamit sa anumang bayad na plano. Maaari pa ring mag-preview ng mga boses nito nang libre sa play button sa tabi ng boses picker.
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.
Pinakamahusay para sa: 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.
Ipasok ang iyong email upang makakuha ng 15,000 libreng mga character at panatilihin ang pagbuo ng pagsasalita.
Walang kailangang password — ipapa-email sa iyo ang isang link upang magtakda ng isa mamaya.
Libreng Limita sa Antas Naabot
Ginamit mo na ang iyong 5,000 libreng araw-araw na mga character. Lumikha ng isang libreng account upang makakuha ng 15,000 bonus na mga character pati na rin ang 10,000 libreng mga character bawat buwan.
Naabot mo na ang iyong libreng limitasyon ng modelo. Mag-upgrade para sa higit pang mga character, o bumili ng isang character pack upang gamitin ang mga premium na modelo.
