بازنویسی

Ultra

شبیه‌سازی فوری صدا با کنترل نت‌های دانه دار

Moderate سرعت
Very Good کیفیت
آره شبیه‌سازی
10 زبانها

در مورد بازنویسی

of the voice and apply it to the speaking style. OpenVoice is a powerful voice clone model that allows you to clone voices from a

ویژگیهای کلیدی

شبیه‌سازی فوری

هر صدایی را از چند ثانیه صدا کپی کنید.

کنترل صدا

غم، خشم، غمگینی، غمگینی.

انتقال سبک

این روش از روش‌های جداسازی صدا برای رمزگذاری است.

زبان‌شناسی

از صداهای کلون شده در زبان‌های مختلف استفاده کنید.

پردازش سریع

این روش برای تولید سریع صدا مناسب است.

منبع باز

این نرم‌افزار برای کاربردهای تجاری طراحی شده‌است.

موارد استفاده

محتوای احساسی پویانمایی کاراکتر بازیهای تعاملیName گویندگی کتاب صوتی بازاریابی ویدئویی دستیار مجازی

چطور استفاده شود بازنویسی

  1. 1

    ثبت نام رایگان یا آزمایش نمایش

    Create a free TextToSpeechAI account to get starter credits, or use the on-page demo to hear OpenVoice before committing. No local GPU or install is needed - everything runs on our servers.

  2. 2

    OpenVoice را انتخاب کنید و یک کلیپ مرجع را بارگذاری کنید

    موتور OpenVoice را انتخاب کنید ، سپس چند ثانیه از صدای مرجع تمیز را برای شبیه‌سازی فوری صدای هدف بارگذاری کنید. OpenVoice هویت سخنران را ضبط می‌کند ، بنابراین می‌توانید آن را در هر متن و صدای دیگر استفاده کنید.

  3. 3

    وارد کردن متن

    متنی را که می‌خواهید در صدای شبیه‌سازی شده خوانده شود را تایپ یا چسب دهید. OpenVoice از حدود ۱۰ زبان و ارائهٔ زبان‌های مختلف پشتیبانی می‌کند، بنابراین می‌توانید به زبان دیگری نسبت به کلیپ مرجع بنویسید.

  4. 4

    انتخاب سبک و تولید

    یکی از نه سبک صدای OpenVoice را انتخاب کنید — پیش‌فرض ، دوستانه ، شاد ، هیجان‌زده ، غمگین ، عصبانی ، ترسیده ، فریاد زدن یا زمزمه کردن — سپس تولید کنید. همان صدای شبیه سازی شده با آن انتقال احساسی صحبت خواهد کرد.

  5. 5

    دانلود یا استفاده از API

    صدای خود را به صورت MP3، WAV یا OGG دانلود کنید یا با گذراندن صدای شبیه سازی شده و سبک صدا در هر درخواست، تولید خودکار را از طریق API TextToSpeechAI انجام دهید.

بازنویسی API

این برنامه با استفاده از TextToSpeechAI REST API تولید می‌شود.

curl -X POST "https://api.texttospeechai.com/v1/generate/" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "این صدا می‌تواند با هر صدایی مانند شاد، غمگین یا حتی زمزمه صحبت کند.",
    "voice": "en_US-lessac-medium"
  }'

پرسشهای متداول

OpenVoice یک مدل پیشرفته متن به گفتار و شبیه‌سازی صدا است که هویت صدا را از سبک گفتار جدا می‌کند. این به شما اجازه می‌دهد که یک صدا را شبیه‌سازی کنید و سپس بدون نیاز به صدای مرجع جدید برای هر احساس ، نت‌های احساسی مختلف را اعمال کنید. برای تولید گفتار کنترل‌پذیر و بیانی ساخته شده است.

بله ، OpenVoice شبیه‌سازی فوری صدا را از چند ثانیه صدای مرجع انجام می‌دهد — نیازی به اجرای آموزشی نیست. هنگامی که صدا ضبط می‌شود ، OpenVoice می‌تواند از آن هویت در هر متن و هر سبک صدایی که انتخاب می‌کنید استفاده مجدد کند.

OpenVoice از یک معماری دو مرحله‌ای استفاده می‌کند که ترکیب گفتار پایه را از تبدیل به صدا جدا می‌کند. پس از شبیه‌سازی صدا ، می‌توانید هر یک از ۹ سبک صدا را اعمال کنید — پیش‌فرض ، دوستانه ، شاد ، هیجان‌زده ، غمگین ، عصبانی ، ترسیده ، فریاد زدن ، یا زمزمه کردن — و همان صدای شبیه‌سازی شده بر اساس صدای انتخاب شده شما بدون ضبط مجدد متفاوت صحبت می‌کند.

OpenVoice از نه سبک گفتار پشتیبانی می‌کند: پیش‌فرض، دوستانه، شاد، هیجان‌زده، غمگین، عصبانی، ترسیده، فریاد زدن و زمزمه کردن. هر سبکی انتقال احساسات را با حفظ هویت سخنران شبیه سازی شده، تغییر شکل می‌دهد، که کنترل دقیقی بر نحوه خواندن یک خط را به شما می‌دهد.

OpenVoice منبع باز است و تحت مجوز MIT است ، بنابراین برای استفاده تجاری رایگان است. همانند هر مدل شبیه‌سازی ، مطمئن شوید که حقوق مناسبی برای هر صدایی که برای پروژه‌های تجاری شبیه‌سازی می‌کنید دارید.

OpenVoice از ۱۰ زبان پشتیبانی می‌کند که شامل انگلیسی، چینی، ژاپنی، کره‌ای و چندین زبان اروپایی است.این نرم‌افزار همچنین امکان شبیه‌سازی زبانی را نیز ارائه می‌دهد، بنابراین می‌توانید صدایی را در یک زبان شبیه‌سازی کنید و آن را به صورت طبیعی در زبان دیگر صحبت کند.

OpenVoice سرعت تولید متوسطی دارد، معمولاً یک جمله را در ۲ تا ۴ ثانیه بر روی یک GPU نمایش می‌دهد. کیفیت خروجی بسیار خوب است، با بازتولید واضح صدا و انتقال رنگ که هویت سخنران را سالم نگه می‌دارد در حالی که به طور قانع‌کننده تغییر احساسی را ارائه می‌دهد.

OpenVoice typically requires 6-8GB of VRAM depending on batch size and tone conversion load. It runs comfortably on mid-range to upper mid-range GPUs, and on TextToSpeechAI all of this is handled on our servers so you do not need any local hardware.

OpenVoice یک موتور Ultra-tier است که قیمت آن ۵۰ کرید در هر ۱۰۰۰ کاراکتر است. Ultra-tier بازتاب کنترل پیشرفتهٔ صدا و محاسبات اضافی مورد نیاز برای شبیه‌سازی و خط لوله تبدیل سبک است.

OpenVoice برای کنترل صدا و سبک منحصربه‌فرد است: می‌توانید یک صدای شبیه‌سازی شده را بگیرید و آن را به صورت شاد، ناراحت، عصبانی یا زمزمه کننده دوباره ارائه دهید. F5- TTS سریعتر است و موتور شبیه‌سازی پیش‌فرض ما برای گفتار طبیعی و بی‌طرف است. OpenVoice را هنگامی که نیاز به کنترل سبک احساسی دارید ، و F5- TTS را هنگامی که سریع‌ترین کلون طبیعی را می‌خواهید ، انتخاب کنید.

با بارگذاری صدای مرجع ، صدای شبیه‌سازی شده را ایجاد کنید ، سپس یک سبک صدا را در درخواست API خود مشخص کنید. API به طور خودکار صدای احساسی انتخاب شده را به صدای شبیه‌سازی شده اعمال می‌کند و صدا را به صورت MP3 ، WAV یا OGG برمی‌گرداند.

Yes. Sign up for a free TextToSpeechAI account to receive starter credits and try OpenVoice cloning and tone control, or use the on-page demo first. There is no local setup - upload a reference clip, pick a tone, and generate in the browser.

Technical Specs

  • Generation Speed Moderate
  • Output Quality Very Good
  • Voice Cloning Supported
  • Languages 10
  • GPU VRAM 3-6GB
  • Credits/1000 chars 50

Try بازنویسی Now

Generate your first audio free. No credit card required.

Start Free