StyleTTS 2
Free.ai (self-hosted)
·
tts
·
~500 tokens për clip
·
4.6
nga 5 përdorues të kësaj kategorie
StyleTTS 2 është a tekst-në-folje zë i ndërtuar nga Yinghao Aaron Li. Më i forti në Voice cloning without training data; expressive multilingual speech.. Vetë-pritur në Free.ai GPUs — funksionon pa pagesë kundër pool-it të token-it të përditshëm (500 tokens për klip). Liruar nën MIT - përdorimi komercial i lejuar nën Free.ai.
Modele të ngjashme
Pyetja e shpeshtë
StyleTTS 2 suporton një gamë të gjerë gjuhësh. Lista e saktë varet nga motori; forma në këtë faqe pranon çdo tekst dhe motori do të paraqesë në gjuhët e tij të mbështetura. Shiko /voice/ për zgjedhësin e plotë të motorëve të shumtë nëse ke nevojë për një gjuhë të veçantë.
Shumica e motorëve paracaktojnë anglisht amerikane neutrale si të paracaktuar dhe një theks të përshtatshëm për rajonin për gjuhët jo-anglishte. Motorët Premium mund të ekspozojnë variante të theksit - ngjite një shembull për të krahasuar.
Suporti i SSML ndryshon sipas motorit. Tag-ët e pauzës, prosody dhe theksimit respektohen në shumicën e motorëve premium dhe në disa motorë të vetë-hostuar. Teksti i thjeshtë punon kurdoherë - nuk kërkohet mark-up.
Stream TTS është në dispozicion në motorët premium nëpërmjet /v1/tts/ API endpoint me stream=true. Interfaqja web në këtë faqe kthen klipin e plotë kur përfundon paraqitja.
StyleTTS 2 rrjedh në GPU-të tona. Gjenerati i parë tërheq nga pool-i juaj i lirë ditor. Pasi të jetë harxhuar, token-ët e paguar fillojnë nga $5 → 200,000 token-ë. Rreth ~5 token-ë për karakter, minimum 100 për klip.
Deri në 5,000 karaktere për kërkesë në web UI. Për pjesë më të gjata (audiobooks, kapituj të plotë), përdor /voice/audiobook/ që copëton dhe lidh automatikisht, ose thërret API në një cikl.
Po - POST një listë strings në /v1/tts/batch/, ose përdorni hapësirën e punës UI në /workspace/ për të zinxhiruar TTS në një tubacion më të gjatë (p.sh., përktheu → flas → stitch).
Po - POST tekst në /v1/tts/ me modelin "StyleTTS 2" (ose slug në këtë faqe). Kthen WAV ose MP3. Shiko /api/ për referencën e plotë + fragmentet e SDK.
Kjo faqe është tekst-në-folje, jo klonim zëri - zëri është i paracaktuar nga motori. Për klonimin e zërit (shkarkimin e një audio reference), shiko /voice/clone/, që kërkon që ju ose të posedoni të drejtat e zërit ose të keni një leje të shkruar.
Motorët e vetë-hostuar funksionojnë në GPU-të e zotëruara nga Free.ai; asgjë nuk largohet nga serverat tanë. Motorët Premium kalojnë tekstin tek modelet e furnizuesve të lartë nën DPA-në tonë. Ne nuk trajnojmë në input-in tuaj dhe nuk shesim të dhëna.
Po - Free.ai lejon përdorimin komercial të audios së gjeneruar. Liçenca e motorit (Apache 2.0, MIT, ose kushtet e shitësit) është e shfaqur më lart dhe në faqen e modelit të referencës; në praktikë kjo do të thotë se voiceovers, ads, podcasts, dhe apps janë të gjitha në sferë.
Po - detyrat e dështuara kthehen automatikisht tek burimi (pool ditor ose token të paguar). Nëse një kthim nuk shfaqet të njëjtën ditë, dërgo email tek contact@free.ai.