VibeVoice
Free.ai (self-hosted)
·
tts
·
~500 tokens per clip
·
4.3
ho tloha 3 Users of this category
VibeVoice ke a Sehlooho sa ho bua e hahiloeng ke Microsoft. E ka ba e le Long-form audiobooks and multi-speaker podcasts with up to four distinct voices.. E na le li-Free.ai GPUs tse nang le li-server tse 1000000 tse nang le li-server tse 1000000 tse nang le li-server tse 1000000. E lokollotsoe ka MIT — ho sebelisoa ka khoebo ho lumelloa ka Free.ai.
Ho sebelisa ka 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"}'Lipotso tse botsoang khafetsa
VibeVoice e tšehetsa lipuo tse ngata. Lintlha tse nepahetseng li itšetlehile ka mochine; foromo ea leqephe lena e amohela tekanyo efe kapa efe'me mochine o tla e 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 Senyesemane sa Amerika se sa feleng ka ho sa feleng le sehlooho se loketseng sa sebaka bakeng sa lipuo tse sa kang tsa Senyesemane. Li-engine tsa Premium li ka bonts'a liphetoho tsa sehlooho - kenya mohlala ho bapisa.
SSML tšehetso e fapane ka enjene. Pause, prosody, le emphasis tags ke honored ka enjene premium haholo le ka tse ling tse'maloa tse sebediswa. Plain text always works — no markup required.
Stream TTS e fumaneha ho li-engine tse phahameng ka ho sebelisa /v1/tts/ API endpoint le stream=true. Web UI ka leqephe lena e khutlisa filimi e felletseng ha ho etsoa ho etsa.
VibeVoice e sebetsa ka GPUs ea rona. Generation e etsa ho tloha ka letsatsi la hau la mahala ka pele. Ha e le nako e telele, li-token tse tšehelitsoeng li qala ho $ 5 → 200,000 tokens. Ho tloha ~ 5 tokens ka sehlooho, ho fihlela ho 100 ka clip.
Ho fihlela ho li-characters tse 5,000 ka kopo ka UI ea marang-rang. 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 o re API e be le loop.
Ea pele ke ho kenya li-strings ho /v1/tts/batch/, kapa ho sebelisa sebaka sa mosebetsi UI ho /workspace/ ho hokahanya TTS ho pipeline e telele (e.g., fetolela → bua → stitch).
Ee — POST temana ho /v1/tts/ le model="VibeVoice" (kapa slug ka leqephe lena). E khutlisa WAV kapa MP3. Bona /api/ bakeng sa ho ngola ka botlalo + SDK snippets.
E na le ho fetolela mantsoe ho ea ho puo, eseng ho tlola puo — puo ke puo e tloaelehileng ea mochine. Ho tlola puo (ho kenya audio e amanang), bona /voice/clone/, e hlokang hore u na le litokelo tsa puo kapa u na le tumello e ngotsoeng.
Li-engine tse nang le li-hosted li sebetsa ka Free.ai-GPUs tse nang le GPU; ha ho na ntho e ka tsoang liservers 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 ebile re sa rekisa data.
E-na — Free.ai e fana ka ts'ebeliso ea khoebo ea audio e entsoeng. Laesense ea mantlha ea mochine (Apache 2.0, MIT, kapa maemo a mofani) e bonts'itsoe ka holimo le ho leqepheng la ho hlalosa mofuta; ka ho hlaka sena se bolela hore li-voiceovers, li-ad, li-podcasts, le li-apps li ka sebelisoa.
Ha ho joalo - mesebetsi e sa khonehang ea ho khutlisa chelete ho tsoa (pool ea letsatsi le letsatsi kapa li-token tse tšehelitsoeng). Haeba ho khutlisa ha ho hlahe ka letsatsi le leng le le leng, imeile contact@free.ai.