VibeVoice
Free.ai (self-hosted)
·
tts
·
~500 tokens per clip
·
4.3
saka 3 pangguna ing kategori iki
VibeVoice iku a teks-ka-waca swara dibangun déning Microsoft. Dhèwèké uga dadi anggota grup band Free_Freaks. Self-hosted on Free.ai GPUs — runs free against your daily token pool (500 tokens saben klip). Released under MIT — commercial use permitted on Free.ai.
Nggunakake liwat 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"}'Pitakon kang asring diajukake
VibeVoice nyengkuyung macem-macem basa. Sawetara basa kang didhukung déning VibeVoice iku ora bisa ditemokaké ing VibeVoice. Sawetara basa sing bisa didhukung déning VibeVoice iku bisa ditemokaké ing VibeVoice.
Kabèh mesin ngasilaké basa Inggris Amerika netral kanthi pigura lan aksen-région sing cocog kanggo basa non-Inggris. Mesin Premium bisa ngasilaké variasi aksen - tempel conto kanggo ngbandingaké.
Dukungan SSML béda-béda miturut enjin. Tag pause, prosody, lan emphasis dihormati ing akèh enjin premium lan ing sawetara sing dihost dhewe. Teks biasa tansah bisa - ora perlu markup.
Streaming TTS ana ing mesin premium liwat /v1/tts/ API endpoint karo stream=true. UI web ing kaca iki bakal bali klip lengkap sawisé rendering rampung.
VibeVoice dijalanaké ing GPUs kita dhewe. Generasi dijupuk saka pool gratis saben dinane. Sawisé dibuwang, token dibayar wiwit $5 → 200,000 token. Kira-kira ~5 token saben karakter, paling ora 100 saben klip.
Ing taun 1995, dhèwèké nerbitaké buku kang judhulé "The 500 Years of the Bible" (500 Taun Alkitab), kang isiné crita-crita lan riwayat-riwayat kang dicritakaké déning para nabi.
Ing basa Inggris, tembung "work" (gawéan) lan "working" (gawéan) bisa dijupuk saka tembung "working" (gawéan) lan "working" (gawéan) kang tegesé "gawéan" lan "working".
Ya — POST teks menyang /v1/tts/ karo model="VibeVoice" (utawa slug ing kaca iki). Kembali WAV utawa MP3. Lihat /api/ kanggo referensi lengkap + snippet SDK.
Halaman iki ya iku teks-ka-ucapan, ora kloning swara — swara iku pigurané mesin. Kanggo kloning swara (unggah audio referensi), tingali /voice/clone/, kang mbutuhaké sampeyan duwé hak suara utawa duwé persetujuan kang ditulis.
Enjin kang dihost-aké dhéwé-dhéwé dioperasikaké ing GPU kang diduwèni Free.ai; ora ana sing ninggalake server kita. Enjin Premium nyedhiyani teks menyang penyedia model upstream ing ngisor DPA kita. Kita ora nglatih ing inputmu lan ora adol data.
Ya — Free.ai nyedhiyani panggunaan komersial audio kang dihasilaké. Lisénsi ing ngisor iki mesin (Apache 2.0, MIT, utawa syarat vendor) ditampilaké ing ndhuwur lan ing kaca referensi model; ing praktek iki tegesé voiceover, iklan, podcast, lan aplikasi kabèh ana ing njero skop.
Ya — tugas kang gagal di-refund kanthi otomatis menyang sumber (pool saben dina utawa token sing dibayar). Yen refund ora katon ing dina kang padha, kirim email menyang contact@free.ai.