StyleTTS 2
Free.ai (self-hosted)
·
tts
·
~500 សញ្ញាសម្គាល់ក្នុងមួយ clip
·
4.6
ពី 5 ប្រភេទនេះមានអ្នកប្រើច្រើនជាងមួយនាក់ប៉ុណ្ណោះ ។
StyleTTS 2 គឺ a អត្ថបទទៅជាសំឡេងនិយាយ សាងសង់ដោយ Yinghao Aaron Li ។ ខ្លាំងក្លាបំផុតនៅ Voice cloning without training data; expressive multilingual speech.. ខ្លួនឯងបានរៀបចំនៅលើ Free.ai GPUs - រត់ដោយឥតគិតថ្លៃប្រឆាំងនឹងទឹកកាក់ប្រចាំថ្ងៃរបស់អ្នក (500 រូបិយប័ណ្ណ លើចន្លោះពេល) ។ ចេញផ្សាយក្រោម MIT - ការប្រើពាណិជ្ជកម្មត្រូវបានអនុញ្ញាតនៅលើ Free.ai ។
ម៉ូដែលស្រដៀងគ្នា
សំណួរដែលសួរញឹកញាប់
StyleTTS 2 គាំទ្រជួរធំនៃភាសា ។ បញ្ជីពិតប្រាកដអាស្រ័យលើម៉ាស៊ីន សំណុំបែបបទនៅលើទំព័រនេះទទួលយកអត្ថបទណាមួយ ហើយម៉ាស៊ីននឹងបង្ហាញក្នុងភាសាដែលបានគាំទ្រ ។ មើល / voice / សម្រាប់កម្មវិធីជ្រើសម៉ាស៊ីនច្រើនពេញលេញ ប្រសិនបើអ្នកត្រូវការភាសាជាក់លាក់ ។
ម៉ាស៊ីនភាគច្រើនបង្ហាញភាសាអង់គ្លេសអាមេរិកអព្យាក្រឹតតាមលំនាំដើម និងសំឡេងសម្រាប់ភាសាដែលមិនមែនជាភាសាអង់គ្លេសដែលសមរម្យសម្រាប់តំបន់ ។ ម៉ាស៊ីនខ្ពស់អាចបង្ហាញសំឡេងដែលខុសគ្នា - បិទភ្ជាប់គំរូដើម្បីប្រៀបធៀប ។
ការគាំទ្រ SSML ប្រែប្រួលដោយម៉ាស៊ីន ។ ស្លាកផ្អាក ពាក្យសម្ដី និងការសង្កត់ធ្ងន់ត្រូវបានគោរពលើម៉ាស៊ីនដែលមានតម្លៃខ្ពស់បំផុត និងលើម៉ាស៊ីនដែលបានរៀបចំដោយខ្លួនឯងមួយចំនួន ។ អត្ថបទធម្មតាតែងតែធ្វើការ - មិនចាំបាច់សម្គាល់ទេ ។
ការស្ទ្រីម TTS មាននៅលើម៉ាស៊ីនដែលមានតម្លៃខ្ពស់តាមរយៈចំណុចបញ្ចប់ / v1/ tts/ API ជាមួយ stream=true ។ ចំណុចប្រទាក់អ្នកប្រើបណ្ដាញនៅលើទំព័រនេះត្រឡប់ចន្លោះពេញលេញនៅពេលដែលការបង្ហាញបញ្ចប់ ។
StyleTTS 2 រត់នៅលើ GPUs ផ្ទាល់ខ្លួនរបស់យើង. ជំនាន់ដកស្រង់ពីទឹកហូរឥតគិតថ្លៃប្រចាំថ្ងៃរបស់អ្នកជាលើកដំបូង. នៅពេលដែលអស់, រូបិយប័ណ្ណដែលបង់ប្រាក់ចាប់ផ្តើមនៅ $5 → 200,000 រូបិយប័ណ្ណ. ប្រហែល ~5 រូបិយប័ណ្ណក្នុងមួយតួអក្សរ, អប្បបរមា 100 ក្នុងមួយវីដេអូ.
រហូតដល់ទៅ 5,000 តួអក្សរក្នុងមួយសំណើនៅលើ UI បណ្ដាញ. សម្រាប់ផ្នែកវែង (សៀវភៅអូឌីយ៉ូ, ជំពូកពេញលេញ), ប្រើ / សំឡេង / សៀវភៅអូឌីយ៉ូ / ដែល chunks និង stitches ដោយស្វ័យប្រវត្តិ, ឬហៅ API នៅក្នុងរង្វិលជុំ.
បាទ - POST បញ្ជីនៃខ្សែអក្សរទៅ / v1 / tts / batch /, ឬប្រើផ្ទៃការងារ UI នៅ / workspace / ដើម្បីខ្សែ TTS ទៅក្នុងបំពង់វែង (ឧទាហរណ៍, បកប្រែ → និយាយ → stitch).
បាទ - អត្ថបទ POST ទៅ / v1 / tts / ជាមួយ model=" StyleTTS 2 "(ឬ slug នៅលើទំព័រនេះ) ។ ត្រឡប់ WAV ឬ MP3 ។ មើល / api / សម្រាប់សេចក្ដីយោងពេញលេញ + snippets SDK ។
ទំព័រនេះគឺអត្ថបទទៅការនិយាយ មិនមែនក្លូនសំឡេងទេ - សំឡេងគឺជាលំនាំដើមរបស់ម៉ាស៊ីន ។ សម្រាប់ក្លូនសំឡេង (ផ្ទុកអូឌីយ៉ូយោងឡើង) សូមមើល / voice/ clone / ដែលទាមទារឲ្យអ្នកមានសិទ្ធិសំឡេង ឬមានការយល់ព្រមដោយសរសេរច្បាស់ ។
ម៉ាស៊ីនដែល host ខ្លួនឯងរត់នៅលើ Free.ai-GPUs ផ្ទាល់ខ្លួន; គ្មានអ្វីចាកចេញពីម៉ាស៊ីនបម្រើរបស់យើង. ម៉ាស៊ីន premium ឆ្លងកាត់អត្ថបទទៅអ្នកផ្តល់ម៉ូដែលឡើងក្រោម DPA របស់យើង. យើងមិនបណ្តុះបណ្តាលលើការបញ្ចូលរបស់អ្នកនិងមិនលក់ទិន្នន័យ.
បាទ - Free.ai ផ្តល់ការប្រើពាណិជ្ជកម្មនៃអូឌីយ៉ូដែលបានបង្កើត ។ អាជ្ញាប័ណ្ណដែលមានមូលដ្ឋានរបស់ម៉ាស៊ីន (Apache 2.0, MIT, ឬលក្ខខណ្ឌរបស់អ្នកលក់) ត្រូវបានបង្ហាញនៅលើទំព័រយោងម៉ូដែលនៅលើទំព័រយោងម៉ូដែលនៅក្នុងការអនុវត្តនេះមានន័យថាការនិយាយផ្សាយពាណិជ្ជកម្មផតខាស់ និងកម្មវិធីទាំងអស់គឺនៅក្នុងវិសាលភាព ។
បាទ - បរាជ័យការងារស្វ័យប្រវត្តិ-ការសងទៅប្រភព (ក្រុមប្រចាំថ្ងៃឬ tokens បង់ប្រាក់) ។ ប្រសិនបើការសងមិនបង្ហាញឡើងថ្ងៃដូចគ្នា, អ៊ីមែល contact@free.ai ។