VoxCPM TTS
A tokenizer-free TTS model that works in continuous space, outputs 44.1kHz audio, and stays consistent across paragraphs.
توغرا كونترول قىلىش ئۈچۈن تېكىستنى SSML تېگلىرى ئىچىگە ئايلاندۇرۇش:
<speak><prosody rate="slow">Slow speech</prosody></speak>
تاللانغان مودېل چۈشىنىدىغان تېگلەر - بىرىنى تېكىستىڭىزگە چۈشۈرۈش ئۈچۈن چېكىڭ:
بۇ مودىل ئاددىي تېكىستنى ئوقۇيدۇ، شۇڭا سۈرەتتە بار چەكلىمىلەر قوبۇل قىلىنمايدۇ. چەكلىمىلەرگە ئاساسەن ھېسسىياتنى ئىپادىلەش ئۈچۈن Orpheus ياكى Bark دەك ئىپادىلەش مودىلىغا ئۆزگەرتىشكە بولىدۇ.
خالىغان ئىپادىلەشنى بەلگىلەش (سۆز = ئىپادىلەش):
توغرىسىدا 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.
ئەڭ ياخشىسى: High-fidelity audio, audiobooks, long-form content with voice consistency
ھەممىنى كۆرۈش VoxCPM ئاۋازلاربىر كۆزىتىش
- ئىجادىيەتچى
- OpenBMB
- ئىجازەتنامە
- Apache 2.0
- ھايۋان
- standard
- تېزلىك
- fast
- ئاۋازنى كۆچۈرۈش
- ھەئە
- تىللار
- English, Chinese
- ئەڭ كۆپ ھەرپ
- 2000