关于 聊天箱
聊天盒是来自重塑的AI的强大声音克隆 TTS 模型。 它从仅几秒钟的参考音频中进行零光声音克隆,以自然表达方式支持23种语言。 聊天盒包括了语言标签,用于添加自然声音,比如笑声和咳嗽,以添加产生的声音。
关键特征
零热声音克隆
以几秒钟的音频 来打开任何声音 不需要训练
23 语文
从阿拉伯文到中文,涵盖世界多数主要语言。
信号标记
添加[拉 [咳,[抽 自然的单语声音。
快速推断
与实时应用的涡轮变异的分200米的延绳。
使用案例
制作内容的语音克隆
多语言语音应用程序
游戏字符语音设计
个人化语音助理
如何使用 聊天箱
-
1
签名或打开演示
创建免费的 TextToSpeechAI 账户, 以要求200 个启动贷款, 或者使用页面演示 尝试聊天器框, 无需签名 。
-
2
选择聊天框并添加引用剪贴
选择聊天盒引擎, 然后上传一个简短( 几秒钟) 的音频剪辑, 即您想要克隆的声音。 聊天盒零弹克隆即刻进行 - 不需要训练 。
-
3
输入带有可选标签的文本
输入或粘贴文本,以23种辅助语言中的任何一个语言发言,并在任何你想听到自然的多语种声音的地方投放[拉 、[咳 或[打 标记。
-
4
生成演讲
点击生成, TextToSpeechAI 将您在主机 GPU 基础设施的克隆聊天盒语音中 输入文字, 花费每千个字符25分。
-
5
下载或使用 API
下载已完成的音频文件, 或使用您的账户符号通过 api. texttospeechai. com 上的 TextToSpeechAI REST API 自动生成 。
聊天箱 API AIP AIPI AIP
以TextToSpeechAIREST API 生成有计划的语言。
curl -X POST "https://api.texttospeechai.com/v1/generate/" \
-H "Authorization: Bearer YOUR_API_TOKEN" \
-H "Content-Type: application/json" \
-d '{
"text": "聊天盒可以复制你的声音 从几秒钟的音频 并用23种语言说话。",
"voice": "en_US-lessac-medium"
}'常问问题
聊天盒是来自AI 的“重新组合”的零发话式克隆文本到语音模型。 它可以复制任何仅几秒钟的音频参考,用23种语言生成自然的、直言不讳的演讲,而没有经过任何逐个声音培训。
是的,聊天盒完全由麻省理工学院颁发许可证,包括代码和模型重量,这样你就可以在商业产品中自由使用。 生成的音频包括一个可以禁用的可选神经水印,没有使用权。
聊天盒将声音的细微和风格提取到一个发言者嵌入中。然后在那个声音中生成全新的演讲,没有微调或训练步骤,这就是“零弹”的意思。
聊天盒读取文本中的特殊内嵌标签,添加自然的非语言声音:[拉 插入笑声,[咳 插入咳嗽,[打 插入软的低锁。您只需在声音的位置贴上标签,比如“这是热闹的[拉 但严肃的...”。
输入文字中的标签直接输入到声音应发生的位置, 周围有您句子的其余部分。 聊天框将克隆声音中的比语言声音转换成, 将其融入周围的演讲中, 使声音听起来像自发的而不是被拼接的。
查特文箱支持23种语言,包括阿拉伯文、丹麦文、德文、希腊文、英文、西班牙文、芬兰文、法文、希伯来文、印地文、意大利文、日文、韩文、马来文、荷兰文、挪威文、波兰文、葡萄牙文、俄文、瑞典文、斯瓦希里文、土耳其文和中文。 单一克隆声音可以使用这些语言。
聊天盒快速生成GPU的语音,而涡轮变异功能则达到二千万分悬浮,用于实时交谈。 质量非常好,自然的手动和忠实的语音复制来自短短的参考剪辑。
聊天箱需要大约4-8GB VRAM 的 4- 8GB 的 变体, 涡轮模型在大约 4GB 中运行得舒适。 TextToSpeechAI 时, 您不需要本地 GPU - 由我们主机基础设施运行的 GPU 。
聊天盒是一种高价引擎,每1000个字符要花费25分。 新账户可以免费获得200分,用于语音克隆,而你只花在实际生成的文本上。
这两种语言都支持零点声音克隆,但聊天箱覆盖的语言(23对2)要多得多,并增加了表达式旁语标记(23对2 ) 。 F5-TTS可以略微排除自然的英语手工艺,因此选择多语言克隆和表达式声音的聊天箱,以及只对英语的忠诚。
这两种语言都提供高质量的语音克隆。 聊天盒支持23种语言和内线表达标签,而 OpenVoice则增加了查特盒子所缺少的音调风格控制(友好、悲伤、愤怒和更多 ) 。 选择聊天盒用于广泛的语言覆盖,当您需要明确的情感语调时选择开放盒和开放声音。
是的。 注册一个免费的 TextToSpeechAI 账户, 以接收200 个启动分, 或者使用 页面演示来不签名就听聊天框。 上传一个简短的参考剪辑, 输入您的文本, 并在秒内生成克隆声音 。
Technical Specs
- Generation Speed Fast
- Output Quality Very Good
- Voice Cloning Supported
- Languages 23
- GPU VRAM 4-8GB
- Credits/1000 chars 25