ВИДЦИ

За ВИДЦИ

VITS (Вariacional Inference с adversarial learning for end-to-end Text-to-Speak) е бързо, крайно-конечно неврален TTS модел, който генерира естествено-звукова реч. Тя съчетава вариационни автокодери с адверсариално обучение за ефикасен синтез. VITS е отлично за партидна обработка и приложения, изискващи както качество, така и скорост.

Ключови характеристики

Случаи на употреба

Как да използвате ВИДЦИ

1. 1

   Запишете се безплатно или опитайте демото

   Създавайте безплатен акаунт TextToSpeechAI за да получите стартер кредити, или използвайте демото на страницата, за да чуете VITS преди да се регистрира.

2. 2

   Изберете глас или говорител на VITS

   Преглед на гласовата библиотека и изберете глас, маркиран с значката VITS. Библиотеката с многоизказватели VITS, включително настройката на VCTK, ви позволява да изберете от много различни гласове.

3. 3

   Въведете вашия текст

   Въведете или вметнете текста, който искате да се говори в редактора. VITS се справя добре с дълги пасажи и е идеален за партидно и високо обемно съдържание.

4. 4

   Създаване на звука

   Кликнете върху генериране, за да синтезирате речта с VITS. Тъй като VITS е много бързо и стандартно-тир (10 кредита на 1000 символа), резултатите се връщат бързо с ниска цена.

5. 5

   Изтеглете или използвайте API

   Изтеглете завършения звук като MP3, WAV или OGG, или се обадите на същия VITS глас чрез TextToSpeechAI REST API, за да автоматизирате поколението си в собствената програма.

ВИДЦИ АПИ

Генериране на речна програма с помощта на TextToSpeechAI REST API.

curl -X POST "https://api.texttospeechai.com/v1/generate/" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "VITS осигурява бързо, естествено говорене за високообемни приложения.",
    "voice": "vits-ljspeech"
  }'

Често задавани въпроси