StyleTTS 2
Free.ai (self-hosted)
·
tts
·
~500 tokens per clip
·
4.6
ho tloha 5 Users of this category
StyleTTS 2 ke a Sehlooho sa ho bua e hahiloeng ke Yinghao Aaron Li. E ka ba e le Voice cloning without training data; expressive multilingual speech.. E na le li-Free.ai GPUs tse nang le li-server tse 100 tse nang le li-server tse 100 tse nang le li-server tse 100. E lokollotsoe ka tlas'a MIT - ho sebelisoa ka khoebo ho lumelloa ka Free.ai.
Litšoantšo tse tšoanang
Lipotso tse botsoang khafetsa
StyleTTS 2 e tšehetsa lipuo tse ngata. Lintlha tse nepahetseng li itšetlehile ka mochine; foromo ea leqephe lena e amohela mongolo leha e le ofe'me mochine o tla etsa ka lipuo tse tšehetsoeng. Bona /voice/ bakeng sa mokhethoa oa li-engine tse ngata haeba u hloka puo e itseng.
Li-engine tse ngata li fana ka puo ea Senyesemane sa Amerika ka ho sa feleng le ho tšoaea ka mokhoa o loketseng bakeng sa lipuo tse sa kang tsa Senyesemane. Li-engine tsa Premium li ka bonts'a liphetoho tsa ho tšoaea - kenya mohlala ho bapisa.
SSML e ka sebelisoa ka li-engine tse fapaneng. Li-tag tsa ho khutlisa, ho bua le ho utloahala li sebelisoa ka li-engine tse ngata tse phahameng le ka tse ling tse'maloa tse nang le li-hosting tsa tsona. Tebe e tloaelehileng e sebetsa kamehla - ha ho hlokahale ho e ngola.
Stream TTS e fumaneha ho li-engine tsa premium ka /v1/tts/ API endpoint le stream=true. Web UI ka leqephe lena e khutlisa clip e felletseng ha ho etsoa ho qetela.
StyleTTS 2 e tsamaea ka GPUs rona. Generation e etsa ho tloha ka letsatsi le letsatsi pool mahala pele. Ha e le e feletseng, tokens lefa qala ho $5 → 200,000 tokens. Ka bokhutšoanyane ~5 tokens ka sehloohong, ka tlase ho 100 ka clip.
Ho fihlela ho 5,000 li-characters ka kopo ka web UI. Bakeng sa li-pieces tse telele (libuka tsa audio, lihlooho tse felletseng), sebelisa /voice/audiobook/ e nang le li-chunks le li-stitches ka boiketsetso, kapa u bue API ka loop.
Ho na le li-terminals tse ngata tse nang le li-interfaces tse fapaneng, ho kenyeletsoa le li-interfaces tsa 1-way (e leng li-interfaces tse nang le li-terminals tse peli) le li-interfaces tsa 2-way (e leng li-terminals tse nang le li-terminals tse peli).
Ea - POST temana ho /v1/tts/ le model="StyleTTS 2" (kapa slug ka leqephe lena). E khutlisa WAV kapa MP3. Bona /api/ bakeng sa ho ngolisoa ka ho feletseng + SDK snippets.
Leqephe lena ke lengolo-tsoibila ho ea ho bua, eseng ho tlola lentsoe - lentsoe ke lentsoe le sa tloaelehang la engine. Ho tlola lentsoe (ho kenya lentsoe le ho lekola), bona /voice/clone/, e hlokang hore u na le litokelo tsa lentsoe kapa u na le tumello e ngotsoeng.
Li-engine tse nang le li-hosted li sebetsa ka GPU tse nang le Free.ai; ha ho na ntho e ka tsoa ho li-server tsa rona. Li-engine tsa Premium li fetisa mongolo ho ba fanang ka li-model tsa upstream ka tlase ho DPA ea rona. Re sa koetlise ka li-input tsa hau'me re sa rekisa data.
E-na - Free.ai e fana ka ts'ebeliso ea khoebo ea audio e entsoeng. License ea engine e ka tlase (Apache 2.0, MIT, kapa maemo a morekisi) e bonts'itsoe ka holimo le ho leqepheng la ho ngola la moqapi; ka ho hlaka sena se bolela hore li-voiceovers, li-ad, li-podcasts, le li-apps li ka sebelisoa.
Ha ho joalo - litšebeletso tse sa atleheng li tla khutlisoa ka ho toba ho tsoa (ka letsatsi kapa ka tokens e lefa). Haeba ho khutlisoa ha ho hlaha ka letsatsi leng, romella lengolo-tsoibila contact@free.ai.