StyleTTS 2
Free.ai (self-hosted)
·
tts
·
~500 token bawat clip
·
4.6
Mula sa 5 Mga gumagamit ng kategoryang ito
Ang StyleTTS 2 ay isang a na text-to-speech boses na binuo ng Yinghao Aaron Li. Strongest at Voice cloning without training data; expressive multilingual speech.. Ang Free.ai ay isang planetang hindi pangunahin. <references> Ang lathalaing ito na tungkol sa Astronomiya ay isang usbong. Released under MIT - commercial use permitted on Free.ai.
Katulad na modelo
Mga Madalas Itanong
StyleTTS 2> sumusuporta sa isang malawak na hanay ng mga wika. Ang eksaktong listahan ay depende sa engine; ang form sa pahinang ito ay tumatanggap ng anumang teksto at ang engine ay magrender sa suportadong wika nito. Tingnan / boses / para sa buong multi-engine picker kung kailangan mo ng isang tiyak na wika.
Karamihan sa mga engine ay nagpapakita ng neutral-American English sa pamamagitan ng default at isang rehiyon-angkop na accent para sa mga di-Ingles na wika. Premium engine ay maaaring mag-expose accent variants - i-paste ang isang sample upang ihambing.
Ang SSML support ay iba-iba sa bawat engine. Ang mga pahinga, prosody, at emphasis tags ay pinarangalan sa karamihan ng premium engine at sa ilang self-hosted na mga ito. Ang karaniwang teksto ay palaging gumagana - walang markup na kinakailangan.
Ang streaming TTS ay magagamit sa premium engine sa pamamagitan ng /v1/tts/ API endpoint na may stream=true. Ang web UI sa pahinang ito ay nagbabalik ng buong clip kapag natapos ang pagrender.
StyleTTS 2 tumatakbo sa aming sariling GPUs. Generation draws mula sa iyong araw-araw na libreng pool unang. Kapag depleted, bayad na token simulan sa $5 → 200,000 token. Humigit-kumulang ~5 token bawat character, minimum na 100 bawat clip.
Up to 5,000 characters per request on the web UI. For longer pieces (audiobooks, full chapters), use /voice/audiobook/ which chunks and stitches automatically, or call the API in a loop.
Yes - POST a list of strings to /v1/tts/batch/, or use the workspace UI at /workspace/ to chain TTS into a longer pipeline (e.g., translate → speak → stitch).
Oo - POST teksto sa / v1 / tts / na may modelo "StyleTTS 2" (o ang slug sa pahinang ito). Bumalik WAV o MP3. Tingnan ang / api / para sa buong reference + SDK snippets.
Ang pahinang ito ay teksto-sa-pagsasalita, hindi cloning ng boses - ang boses ay default ng engine. Para sa cloning ng boses (pag-upload ng isang reference audio), tingnan ang /voice/clone/, na nangangailangan sa iyo na maging may-ari ng mga karapatan ng boses o magkaroon ng malinaw na nakasulat na pahintulot.
Self-hosted engine tumakbo sa Free.ai-ari GPUs; walang kailanman umaalis sa aming mga server. Premium engine ipasa ang teksto sa upstream modelo provider sa ilalim ng aming DPA. Hindi namin tren sa iyong mga input at hindi ibenta ang data.
Yes - Free.ai grants commercial use of generated audio. The engine's underlying license (Apache 2.0, MIT, or vendor terms) is shown above and on the model reference page; in practice this means voiceovers, ads, podcasts, and apps are all in-scope.
Oo - nabigo trabaho auto-refund sa pinagmulan (araw-araw pool o bayad na token). Kung ang isang refund ay hindi lumitaw sa parehong araw, email contact@free.ai.