VITS

Om VITS

VITS (Variational Inference with adversarial learning for end-to-end Text-to-Speech) er en hurtig, end-to-end neural TTS model, der genererer naturlig-klingende tale. Det kombinerer variational autoencodere med adversarial træning til effektiv syntese. VITS er fremragende til batch behandling og applikationer, der kræver både kvalitet og hastighed.

Nøglefunktioner

Brugstilfælde

Hvordan man bruger VITS

1. 1

   Tilmeld dig gratis eller prøv demoen

   Opret en gratis TextToSpeechAI konto for at få startkreditter, eller brug sidedemoen til at høre VITS, før du tilmelder dig.

2. 2

   Vælg en VITS-stemme eller højttaler

   Gennemse stemmebiblioteket og vælg en stemme markeret med VITS-skiltet. Multi-højttaler VITS-biblioteket, herunder VCTK-højttalersættet, lader dig vælge fra mange forskellige stemmer.

3. 3

   Indtast din tekst

   Indtast eller indsæt den tekst, du ønsker talt ind i editoren. VITS håndterer lange passager godt og er ideel til batch og højt volumen indhold.

4. 4

   Generér lyden

   Klik på generere for at syntetisere tale med VITS. Fordi VITS er meget hurtig og Standard-tier (10 kreditter pr 1000 tegn), resultater vender hurtigt tilbage til lave omkostninger.

5. 5

   Download eller brug API'en

   Download den færdige lyd som MP3, WAV, eller OGG, eller ring til den samme VITS stemme gennem TextToSpeechAI REST API til at automatisere generation i din egen ansøgning.

VITS API

Generer tale programmatisk ved hjælp af 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 leverer hurtig, naturlig tale til høj volumen applikationer.",
    "voice": "vits-ljspeech"
  }'

Ofte stillede spørgsmål