Kokoro
Free.ai (self-hosted)
·
tts
·
~500 символи за clip
·
4.6
от 5 потребители от тази категория
Kokoro е a Текст-то-пейчов глас, построен от Hexgrad. Най-силно в Fast, natural speech. Самоу домакин на Free.ai GPU — тече свободен срещу ежедневния си резервоар за жетони (500 žeтони за изрезване). Освободен под Apache 2.0 - търговска употреба разрешена на Free.ai.
Използване чрез API
Отворено-съвместими REST API. Генерирайте ключ и се обадете на този модел в секунди.
curl -X POST https://api.free.ai/v1/tts/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"kokoro","text":"hello world"}'Подобни модели
Често задавани въпроси
Kokoro поддържа широка гама от езиците. Точният списък зависи от двигателя; формата на тази страница приема всеки текст и двигателят ще излъчи на поддържаните си езици. Виж /voice/ за пълния многодвигателен избирател, ако се нуждаете от определен език.
Повечето двигатели правят неутрален американски английски по подразбиране и регион-подходящ акцент за не-английски език. Премиум двигатели могат да изложат нагласи варианти - вставете проба за сравнение.
SSML подкрепа варира от двигателя. Пауза, прозоди и акцент етикети се уважават на повечето премиумни двигатели и на няколко самостоятелни. Обикновеният текст винаги работи - не се изисква маркиране.
Преминаването на TTS е на разположение на премиум двигатели чрез точката /v1/tts/ API с поток=истина. Web UI на тази страница връща пълния клип след преработване на финиш.
Kokoro работи на собствените си GPUs. Генерирането извлича от вашия дневен свободен басейн първо. След като изчерпани, плащаните жетони започват с $ 5 → 200 000 жетона. Грубо ~5 жетони на символ, минимум 100 на клип.
До 5000 символа на запитване в уеб компютъра. За по-дълги части (аудиокниги, пълни глави), използвайте /voice/audiobook / които парчета и шевове автоматично, или се обадите на API в запетая.
Да - POST списък на струните на /v1/tts/batch /, или използвайте работен UI на /workspace/ на верига TTS в по-дългопровод (напр., превежда → говори → шев).
Да - текстът на POST до /v1/tts/ с модел="Kokoro" (или куршума на тази страница). Връща WAV или MP3. Виж /api/ за пълно справочно + SDK щипчета.
Тази страница е текст-то-пис, а не гласово клониране - гласът е по подразбиране на двигателя. За клониране на глас (зареждане на референтен звук), вижте /voice/klone /, което изисква от вас да притежавате правата на глас или да имате изрично писмено съгласие.
Самоуправляващи двигатели, работещи на GPU, притежавани от Free.ai; нищо не напуска сървърите ни. Премиум двигатели прехвърлят текст на доставчиците на модели нагоре по DPA. Ние не тренираме на входа ви и не продаваме данни.
Да - Free.ai предоставя търговска употреба на генерирани аудио. Основният лиценз на двигателя (Apache 2.0, MIT, или условия на доставчика) е показан по-горе и на референтната страница на модела; на практика това означава гласово преглеждане, реклами, подкасти и приложения са всички в скептури.
Да — провалени работни места за автовъзстановяване на източника (дневен басейн или платени жетони). Ако възстановяването не се появи в същия ден, e-mail contact@free.ai.