StyleTTS 2
Free.ai (self-hosted)
·
tts
·
~500 tokens per clip
·
4.6
saka 5 pangguna ing kategori iki
StyleTTS 2 iku a teks-ka-waca swara dibangun déning Yinghao Aaron Li. Strongest at Voice cloning without training data; expressive multilingual speech.. Self-hosted on Free.ai GPUs — runs free against your daily token pool (500 tokens saben klip). Released under MIT — commercial use permitted on Free.ai.
Model
Takon kang asring diajukake
StyleTTS 2 supports a wide range of languages. The exact list depends on the engine; the form on this page accepts any text and the engine will render in its supported languages. See /voice/ for the full multi-engine picker if you need a specific language.
Kabèh mesin ngasilaké basa Inggris Amerika kang neutral kanthi pigura lan aksen sing cocog karo wewengkon kanggo basa non-Inggris. Mesin Premium bisa ngasilaké variasi aksen - tempel conto kanggo ngbandingaké.
Dukungan SSML béda-béda miturut enjin. Tag paugeran, prosodi, lan pangétang dihormati ing akèh enjin premium lan ing sawetara sing dihost. Teks biasa tansah kerja - ora perlu markup.
Streaming TTS ana ing mesin premium liwat /v1/tts/ API endpoint karo stream=true. UI web ing kaca iki bakal bali klip lengkap sawisé rendering rampung.
StyleTTS 2 dijalanaké ing GPUs kita dhewe. Generasi dijupuk saka pool gratis saben dinane. Sawisé dibuwang, token dibayar wiwit $5 → 200,000 token. Kira-kira ~5 token saben karakter, paling ora 100 saben klip.
Up to 5,000 characters per request on the web UI. For longer pieces (audiobooks, full chapters), use /voice/audiobook/ which chunks and stitches automatically, or call the API in a loop.
Yes - POST a list of strings to /v1/tts/batch/, or use the workspace UI at /workspace/ to chain TTS into a longer pipeline (e.g., translate → speak → stitch).
Ya - POST teks ka /v1/tts/ kaliyan model="StyleTTS 2" (utawa slug ing kaca iki). Kembali WAV utawa MP3. Lihat /api/ kanggé referensi lengkap + snippet SDK.
Halaman iki ya iku teks-ka-ucapan, ora kloning swara - swara iku standar mesin. Kanggo kloning swara (unggah audio referensi), tingali /voice/clone/, kang mbutuhaké sampeyan duwé hak swara utawa duwé persetujuan tertulis eksplisit.
Enjin kang dihost-aké dhéwé-dhéwé dioperasikaké ing GPU kang diduwèni Free.ai; ora ana sing ninggalake server kita. Enjin Premium nyedhiyani teks menyang penyedia model upstream ing ngisor DPA kita. Kita ora nglatih ing inputmu lan ora adol data.
Ya - Free.ai nyedhiyani panggunaan komersial audio kang dihasilaké. Lisénsi ing ngisor iki mesin (Apache 2.0, MIT, utawa syarat vendor) ditampilaké ing ndhuwur lan ing kaca referensi model; ing praktek iki tegesé voiceover, iklan, podcast, lan aplikasi kabèh ana ing njero skop.
Ya - tugas kang gagal di-refund kanthi otomatis menyang sumber (pool saben dina utawa token sing dibayar). Yen refund ora katon ing dina sing padha, kirim email contact@free.ai.