StyleTTS 2
Free.ai (self-hosted)
·
tts
·
~500 ਟੋਕਨ ਪ੍ਰਤੀ clip
·
4.6
ਤੋਂ 5 ਇਸ ਕੈਟਾਗਰੀ ਦੇ ਉਪਭੋਗਤਾ
StyleTTS 2 a ਪਾਠ- ਤੋਂ- ਬੋਲੀ ਆਵਾਜ਼ Yinghao Aaron Li ਵਲੋਂ ਬਣਾਇਆ ਗਿਆ ਹੈ । ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ Voice cloning without training data; expressive multilingual speech. ਉੱਤੇ ਹੈ। Free.ai GPUs ਉੱਤੇ ਸਵੈ-ਹੋਸਟ ਕੀਤਾ — ਤੁਹਾਡੀ ਰੋਜ਼ਾਨਾ ਟੋਕਨ ਪੁਲ (500 ਟੋਕਨ ਪ੍ਰਤੀ ਕਲਿੱਪ) ਦੇ ਖਿਲਾਫ ਮੁਫ਼ਤ ਚੱਲਦਾ ਹੈ। MIT ਅਧੀਨ ਛਾਪਿਆ ਗਿਆ - Free.ai ਉੱਤੇ ਵਪਾਰਕ ਵਰਤੋਂ ਦੀ ਇਜਾਜ਼ਤ ਹੈ।
ਇਸੇ ਤਰ੍ਹਾਂ ਦੇ ਮਾਡਲ
ਅਕਸਰ ਪੁੱਛੇ ਜਾਂਦੇ ਸਵਾਲ
StyleTTS 2 ਭਾਸ਼ਾਵਾਂ ਦੀ ਇੱਕ ਵੱਡੀ ਸੂਚੀ ਲਈ ਸਹਾਇਕ ਹੈ । ਸਹੀ ਲਿਸਟ ਇੰਜਣ ਉੱਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ; ਇਸ ਸਫ਼ੇ ਉੱਤੇ ਫਾਰਮ ਕਿਸੇ ਵੀ ਪਾਠ ਨੂੰ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ ਅਤੇ ਇੰਜਣ ਸਹਾਇਕ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਪੇਸ਼ ਕਰੇਗਾ । ਪੂਰੀ ਬਹੁ- ਇੰਜਣ ਚੋਣਕਰਤਾ ਲਈ /voice/ ਵੇਖੋ, ਜੇਕਰ ਤੁਹਾਨੂੰ ਖਾਸ ਭਾਸ਼ਾ ਦੀ ਲੋੜ ਹੈ ।
ਬਹੁਤੇ ਇੰਜਣ ਡਿਫਾਲਟ ਤੌਰ ਉੱਤੇ ਨਿਊਟਰਲ ਅਮਰੀਕੀ ਅੰਗਰੇਜ਼ੀ ਅਤੇ ਗ਼ੈਰ- ਅੰਗਰੇਜ਼ੀ ਭਾਸ਼ਾਵਾਂ ਲਈ ਖੇਤਰੀ ਸਹਾਇਕ ਅੱਖਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ । ਪ੍ਰੀਮੀਅਮ ਇੰਜਣ ਅੱਖਰਾਂ ਦੇ ਵੇਰੀਏਬਲ ਵੇਖਾ ਸਕਦੇ ਹਨ - ਤੁਲਨਾ ਕਰਨ ਲਈ ਇੱਕ ਨਮੂਨਾ ਚੇਪੋ ।
SSML ਸਹਿਯੋਗ ਇੰਜਣ ਦੇ ਅਧਾਰ ਤੇ ਵੱਖਰਾ ਹੁੰਦਾ ਹੈ । ਪੇਸ਼ੇ, ਪਰੋਸੌਡੀ ਅਤੇ ਹਾਈਲਾਈਟ ਟੈਗ ਬਹੁਤੇ ਪ੍ਰੀਮੀਅਮ ਇੰਜਣਾਂ ਤੇ ਕੁਝ ਸੌਲ- ਹੋਸਟ ਉੱਤੇ ਵਰਤੇ ਜਾਂਦੇ ਹਨ । ਸਧਾਰਨ ਟੈਕਸਟ ਹਮੇਸ਼ਾ ਕੰਮ ਕਰਦਾ ਹੈ - ਕੋਈ ਮਾਰਕਅੱਪ ਲੋੜੀਦਾ ਨਹੀਂ ਹੈ ।
ਸਟਰੀਮਿੰਗ TTS ਪ੍ਰੀਮੀਅਮ ਇੰਜਣ ਉੱਤੇ /v1/tts/ API ਅੰਤ ਬਿੰਦੂ ਨਾਲ stream=true ਨਾਲ ਉਪਲੱਬਧ ਹੈ। ਇਸ ਪੇਜ਼ ਉੱਤੇ ਵੈਬ UI ਇੱਕ ਵਾਰ ਰਿਡਰਿੰਗ ਮੁਕੰਮਲ ਹੋਣ ਉੱਤੇ ਪੂਰਾ ਕਲਿੱਪ ਮੁੜ ਦਿੰਦਾ ਹੈ।
StyleTTS 2 ਸਾਡੇ ਆਪਣੇ GPUs ਉੱਤੇ ਚੱਲਦਾ ਹੈ। ਜਨਰੇਸ਼ਨ ਪਹਿਲਾਂ ਤੁਹਾਡੀ ਰੋਜ਼ਾਨਾ ਮੁਫ਼ਤ ਪੁਲ ਤੋਂ ਖਿੱਚਦਾ ਹੈ। ਇੱਕ ਵਾਰ ਖਤਮ ਹੋਣ ਉੱਤੇ, ਭੁਗਤਾਨ ਟੋਕਨ $5 → 200,000 ਟੋਕਨ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦੇ ਹਨ। ਲਗਭਗ ~5 ਟੋਕਨ ਪ੍ਰਤੀ ਅੱਖਰ, ਘੱਟੋ-ਘੱਟ 100 ਪ੍ਰਤੀ ਕਲਿੱਪ।
ਵੈਬ UI ਉੱਤੇ ਪ੍ਰਤੀ ਬੇਨਤੀ ਲਈ 5,000 ਅੱਖਰ ਤੱਕ। ਲੰਬੇ ਟੁਕੜਿਆਂ (ਆਡੀਓਬੁੱਕ, ਪੂਰੇ ਭਾਗ) ਲਈ /voice/audiobook/ ਵਰਤੋਂ, ਜੋ ਕਿ ਆਟੋਮੈਟਿਕ ਹੀ ਟੁਕੜਿਆਂ ਅਤੇ ਸਟੀਚਾਂ ਨਾਲ ਭਰਿਆ ਜਾਂਦਾ ਹੈ, ਜਾਂ ਲੂਪ ਵਿੱਚ API ਕਾਲ ਕਰੋ।
ਹਾਂ - /v1/tts/batch/ ਨੂੰ ਸਤਰ ਦੀ ਲਿਸਟ POST ਕਰੋ, ਜਾਂ /workspace/ ਉੱਤੇ ਵਰਕਸਪੇਸ UI ਵਰਤੋਂ, TTS ਨੂੰ ਲੰਬੇ ਪਾਈਪਲਾਈਨ ਵਿੱਚ ਚੈਨਲ ਕਰਨ ਲਈ (ਜਿਵੇਂ ਕਿ, ਅਨੁਵਾਦ → ਬੋਲੋ → ਸਟੀਚ) ।
ਹਾਂ - /v1/ tts/ ਨੂੰ model=" StyleTTS 2 "(ਜਾਂ ਇਸ ਪੇਜ਼ ਉੱਤੇ slug) ਨਾਲ POST ਟੈਕਸਟ । WAV ਜਾਂ MP3 ਮੁੜ- ਪ੍ਰਾਪਤ ਕਰੋ । ਪੂਰੇ ਹਵਾਲੇ ਲਈ + SDK ਨਿਸ਼ਾਨ ਵੇਖੋ /api/ ।
ਇਹ ਪੇਜ਼ ਪਾਠ-ਤੋਂ-ਭਾਸ਼ਾ ਹੈ, ਬੋਲੀ ਕਲੋਨਿੰਗ ਨਹੀਂ ਹੈ - ਬੋਲੀ ਇੰਜਣ ਦਾ ਡਿਫਾਲਟ ਹੈ। ਬੋਲੀ ਕਲੋਨਿੰਗ (ਰੁਪਣ ਆਡੀਓ ਅੱਪਲੋਡ ਕਰਨ ਲਈ) ਲਈ /voice/clone/ ਵੇਖੋ, ਜਿਸ ਲਈ ਤੁਹਾਨੂੰ ਬੋਲੀ ਅਧਿਕਾਰ ਹੋਣ ਜਾਂ ਸਪੱਸ਼ਟ ਲਿਖਤੀ ਸਹਿਮਤੀ ਦੀ ਲੋੜ ਹੈ।
ਸੇਲਫ- ਹੋਸਟਡ ਇੰਜਣ Free.ai- ਮਾਲਕੀ ਦੇ GPU ਉੱਤੇ ਚੱਲਦੇ ਹਨ; ਸਾਡੇ ਸਰਵਰਾਂ ਤੋਂ ਕੁਝ ਵੀ ਨਹੀਂ ਜਾਂਦਾ ਹੈ । ਪ੍ਰੀਮੀਅਮ ਇੰਜਣ ਟੈਕਸਟ ਨੂੰ ਸਾਡੇ DPA ਅਧੀਨ ਉੱਪਰਲੇ ਮਾਡਲ ਪਰੋਵਾਈਡਰਾਂ ਨੂੰ ਭੇਜਦੇ ਹਨ । ਅਸੀਂ ਤੁਹਾਡੇ ਇੰਪੁੱਟ ਉੱਤੇ ਟਰੇਨਿੰਗ ਨਹੀਂ ਦਿੰਦੇ ਅਤੇ ਡਾਟਾ ਨਹੀਂ ਵੇਚਦੇ ।
ਹਾਂ - Free.ai ਆਡੀਓ ਬਣਾਉਣ ਲਈ ਵਪਾਰਕ ਵਰਤੋਂ ਲਈ ਸਹਾਇਕ ਹੈ । ਇੰਜਣ ਦਾ ਹੇਠਲਾ ਲਾਇਸੈਂਸ (Apache 2.0, MIT, ਜਾਂ ਵੇਚਣ ਵਾਲੇ ਸ਼ਰਤਾਂ) ਉੱਤੇ ਅਤੇ ਮਾਡਲ ਹਵਾਲਾ ਪੇਜ਼ ਉੱਤੇ ਵੇਖਾਇਆ ਗਿਆ ਹੈ । ਇਸ ਦਾ ਅਰਥ ਹੈ ਕਿ ਬੋਲੀ, ਐਡ, ਪੋਡਕਾਸਟ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨ ਸਭ ਸਕੋਪ ਵਿੱਚ ਹਨ ।
ਹਾਂ — ਫੇਲ੍ਹ ਕੰਮ ਨੂੰ ਸਰੋਤ (ਦਿਨਵਾਰ ਪੁਲ ਜਾਂ ਭੁਗਤਾਨ ਕੀਤੇ ਟੋਕਨ) ਨੂੰ ਆਟੋ-ਰਿਫੰਡ ਕਰੋ। ਜੇਕਰ ਇੱਕ ਰਿਫੰਡ ਉਸੇ ਦਿਨ ਨਹੀਂ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਤਾਂ contact@free.ai ਨੂੰ ਈ-ਮੇਲ ਕਰੋ।