StyleTTS 2
Free.ai (self-hosted)
·
tts
·
~500 ຕົວເລກຕໍ່ clip
·
4.6
ຈາກ 5 ຜູ້ໃຊ້ຂອງປະເພດນີ້
StyleTTS 2 ແມ່ນ a ສຽງແປຂໍ້ຄວາມເປັນຄຳເວົ້າ ສ້າງໂດຍ Yinghao Aaron Li. ແຮງທີ່ສຸດທີ່ Voice cloning without training data; expressive multilingual speech.. ເປັນເຈົ້າພາບຕົນເອງໃນ Free.ai GPUs - ແລ່ນຟຣີຕໍ່ຕ້ານສະໂມສອນໂຕກອນຂອງທ່ານທຸກໆມື້ (500 tokens ຕາມຄລິບ). ອອກອາກາດພາຍໃຕ້ MIT - ການໃຊ້ທຸລະກິດອະນຸຍາດຢູ່ໃນ Free.ai.
ແບບທີ່ຄ້າຍຄືກັນ
ຄໍາຖາມທີ່ຖາມເລື້ອຍໆ
StyleTTS 2 ສະໜັບສະໜູນພາສາຫຼາຍໆພາສາ. ລາຍຊື່ທີ່ຖືກຕ້ອງແມ່ນຂຶ້ນກັບເຄື່ອງຈັກ; ແບບຟອມໃນໜ້ານີ້ ຍອມຮັບຂໍ້ຄວາມໃດໆ ແລະ ເຄື່ອງຈັກຈະສະແດງໃນພາສາທີ່ໄດ້ສະໜັບສະໜູນ. ເບິ່ງ / voice / ສຳລັບຕົວເລືອກເຄື່ອງຈັກຫຼາຍໆຢ່າງເຕັມ ຖ້າທ່ານຕ້ອງການພາສາສະເພາະ.
ເຄື່ອງຈັກສ່ວນຫຼາຍຈະສະແດງພາສາອັງກິດແບບສະໝ່ຳສະເໝີຂອງສະຫະລັດຕາມປັດເດີ ແລະສຽງອ່ອນທີ່ເໝາະສົມກັບເຂດທີ່ບໍ່ເປັນພາສາອັງກິດ. ເຄື່ອງຈັກທີ່ດີທີ່ສຸດອາດຈະເປີດເຜີຍສຽງອ່ອນທີ່ແຕກຕ່າງ - ປ້າຍຕົວຢ່າງເພື່ອທຽບທຽບ.
ການສະໜັບສະໜູນ SSML ປ່ຽນແປງຕາມເຄື່ອງຈັກທີ່ໃຊ້ງານໄດ້. ແທັກຢຸດ, ຕົວອັກສອນແລະການເນັ້ນໜັກ ແມ່ນຖືກຮັບຮູ້ໃນເຄື່ອງຈັກທີ່ໃຊ້ຈ່າຍຫຼາຍທີ່ສຸດ ແລະໃນບາງຕົວທີ່ໃຊ້ເອງໄດ້. ຂໍ້ຄວາມປົກກະຕິເຮັດວຽກໄດ້ທຸກເວລາ - ບໍ່ຕ້ອງການໃຫ້ມີການບັນທຶກໄວ້ເລີຍ.
ການຖ່າຍທອດ TTS ສາມາດໃຊ້ໄດ້ໃນເຄື່ອງຈັກທີ່ມີຄ່າສູງຜ່ານຈຸດຈົບ /v1/tts/ API ດ້ວຍ stream=true. ເວບ UI ໃນໜ້ານີ້ ຈະສົ່ງຄືນຄລິບເຕັມ ເມື່ອການສະແດງອອກໄດ້ສຳເລັດ.
StyleTTS 2 ແລ່ນໃນ GPUs ຂອງພວກເຮົາເອງ. ການສ້າງດຶງຈາກ pool ຂອງທ່ານຟຣີທຸກໆມື້ທໍາອິດ. ໃນເວລາທີ່ດ້ອຍໂອກາດ, ບັດເຄດິດຈ່າຍເລີ່ມຕົ້ນທີ່ $5 → 200,000 ບັດເຄດິດ. ປະມານ ~5ບັດເຄດິດຕໍ່ຕົວອັກສອນ, ຢ່າງຫນ້ອຍ 100 ຕໍ່ clip.
ເຖິງ 5,000 ຕົວອັກສອນຕໍ່ຄໍາຮ້ອງຂໍໃນເວບ UI. ສໍາລັບສ່ວນທີ່ຍາວກວ່າ (ປື້ມສຽງ, ບົດເຕັມ), ນໍາໃຊ້ /voice/audiobook / ເຊິ່ງ chunks ແລະ stitches ໂດຍອັດຕະໂນມັດ, ຫຼືໂທ API ໃນ loop.
ຍິນດີ - POST ລາຍຊື່ຂອງສາຍໄປ /v1/tts/batch /, ຫຼືໃຊ້ພື້ນທີ່ເຮັດວຽກ UI ທີ່ /workspace / ເພື່ອເຊື່ອມຕໍ່ TTS ເຂົ້າໄປໃນ pipeline ຍາວກວ່າ (ຕົວຢ່າງ, ແປ → ເວົ້າ → stitch).
ຍອມຮັບ - POST ຂໍ້ຄວາມໄປຫາ / v1/ tts / ດ້ວຍ model=" StyleTTS 2 "(ຫຼື slug ໃນ ໜ້າ ນີ້). ສົ່ງຄືນ WAV ຫຼື MP3. ເບິ່ງ / api / ສຳ ລັບ ຄຳ ແນະ ນຳ ເຕັມ + SDK snippets.
ຫນ້ານີ້ເປັນ ຂໍ້ຄວາມ-ເປັນ-ການເວົ້າ, ບໍ່ແມ່ນ ການກັ່ນຕອງສຽງ - ສຽງແມ່ນຕົວແບບຂອງເຄື່ອງຈັກ. ສຳລັບການກັ່ນຕອງສຽງ (ອັບໂຫລດສຽງທີ່ອ້າງອີງ), ເບິ່ງ /voice/clone/, ເຊິ່ງຮຽກຮ້ອງໃຫ້ທ່ານມີສິດສຽງ ຫຼື ມີການອະນຸຍາດທີ່ຂຽນໄວ້ຢ່າງຊັດເຈນ.
ເຄື່ອງຈັກ self-hosted ແລ່ນໃນ Free.ai- ເປັນເຈົ້າຂອງ GPUs; ບໍ່ມີຫຍັງອອກຈາກເຊີບເວີຂອງພວກເຮົາ. ເຄື່ອງຈັກ Premium ສົ່ງຂໍ້ຄວາມໄປໃຫ້ຜູ້ສະ ໜອງ ແບບຟອມ Upstream ພາຍໃຕ້ DPA ຂອງພວກເຮົາ. ພວກເຮົາບໍ່ຝຶກອົບຮົມກ່ຽວກັບຂໍ້ມູນຂອງທ່ານແລະບໍ່ຂາຍຂໍ້ມູນ.
ຍອມຮັບ - Free.ai ອະນຸຍາດໃຫ້ໃຊ້ສຽງທີ່ສ້າງຂຶ້ນມາເພື່ອການຂາຍ. ໃບອະນຸຍາດຂອງເຄື່ອງຈັກ (Apache 2.0, MIT, ຫຼື ເງື່ອນໄຂຂອງຜູ້ຂາຍ) ສະແດງຢູ່ເທິງ ແລະ ຢູ່ໃນ ໜ້າ ແບບທີ່ອ້າງອີງ; ໃນການປະຕິບັດນີ້ ໝາຍຄວາມວ່າ voiceovers, ໂຄສະນາ, podcasts, ແລະ ແອັບພລິເຄຊັນແມ່ນຢູ່ໃນຂອບເຂດ.
ຍິນດີຕ້ອນຮັບ - ວຽກທີ່ລົ້ມເຫລວຄືນເງິນອັດຕະໂນມັດໃຫ້ກັບແຫຼ່ງ ( pool ມື້ຫຼື tokens ຈ່າຍ). ຖ້າການຄືນເງິນບໍ່ປາກົດຂຶ້ນໃນມື້ດຽວກັນ, ສົ່ງອີເມວ contact@free.ai.