VibeVoice
Free.ai (self-hosted)
·
tts
·
~500 tokens per clip
·
4.3
soti 3 Pa gen okenn itilizatè nan kategori sa a
VibeVoice se a Voyòt ki te bati pa Microsoft. Li se pi gwo vil la nan Long-form audiobooks and multi-speaker podcasts with up to four distinct voices.. Self-hosted sou Free.ai GPUs — kouri gratis kont chak jou ou a token pool (500 tokens pou chak klip). Li libere anba lisans MIT — itilize komèsyal pèmèt sou Free.ai.
Itilize via API
curl -X POST https://api.free.ai/v1/tts/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"vibevoice","text":"hello world"}'Kesyon ki poze souvan
VibeVoice sipòte yon gwo kantite lang. Lis egzak la depann de motè a; fòma sou paj sa a aksepte nenpòt tèks e motè a pral renderize nan lang li sipòte yo. Gade /voice/ pou pikè motè-multi-a-plis la si ou bezwen yon lang espesifik.
Pifò motè yo bay yon lang angle ameriken netral pa default ak yon aksan ki apwopriye pou rejyon an pou lang ki pa angle.
Sipò SSML varye selon motè a. Tag pause, prosody, ak emphasis yo onore sou pifò motè premium ak sou kèk motè ki òganize yo. Tèks senp toujou travay — pa gen okenn markup ki nesesè.
Streaming TTS disponib sou motè premium via /v1/tts/ API endpoint ak stream=true. Web UI sou sa a paj la retounen clip la konplè lè rendering fini.
VibeVoice kouri sou GPU nou yo. Pwogram lan tire nan baz done gratis ou chak jou an premye. Yon fwa li eple, tokens ki peye yo kòmanse nan $5 → 200,000 tokens.
Pou pi long pati (liv son, chapit konplè), itilize /voice/audiobook/ ki anpeche ak stitches otomatikman, oswa rele API nan yon boukl.
Wi — POST yon lis strings nan /v1/tts/batch/, oswa itilize workspace UI nan /workspace/ pou chaje TTS nan yon pi long pipeline (egzanp, tradui → pale → stitch).
Wi — POST tèks nan /v1/tts/ ak model="VibeVoice" (oswa slug sou paj sa a). Retounen WAV oswa MP3. Gade /api/ pou referans konplè + SDK snippets.
Paj sa a se yon klonaj tèks-a-vokal, pa yon klonaj vwa — vwa a se motè a pa défaut. Pou klonaj vwa (upload yon son referensyal), gade /voice/clone/, ki mande w pou ou posede dwa vwa a oswa gen yon konsantman ekri esplisite.
Motè ki òganize tèt yo kouri sou GPU ki posede pa Free.ai; pa gen anyen ki kite serveurs nou yo. Motè Premium pase tèks nan founisè modèl abònen anba DPA nou an. Nou pa antrene sou enpòte ou yo e nou pa vann done.
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.
Si yon ranbousman pa parèt nan menm jou a, voye yon imèl nan contact@free.ai, epi nou pral fè tout sa nou kapab pou nou retounen lajan an nan kont ou.