VITS

Über VITS

VITS (Variational Inference with adversarial Learning for end-to-end Text-to-Speech) ist ein schnelles, end-to-end neuronales TTS-Modell, das natürlich klingende Sprache erzeugt. Es kombiniert Variations-Autoencoder mit adversarischem Training für effiziente Synthese. VITS ist hervorragend für Batch-Prozesse und Anwendungen, die sowohl Qualität und Geschwindigkeit erfordern.

Hauptmerkmale

Anwendungsfälle

Verwendung VITS

1. 1

   Registrieren Sie sich kostenlos oder versuchen Sie die Demo

   Erstellen Sie ein kostenloses TextToSpeechAI-Konto, um Starter-Credits zu erhalten, oder nutzen Sie die on-page-Demo, um VITS vor der Anmeldung zu hören.

2. 2

   Wählen Sie eine VITS-Stimme oder einen Lautsprecher

   Durchsuchen Sie die Sprachbibliothek und wählen Sie eine mit dem VITS-Badge markierte Stimme aus. Mit der Multi-Lautsprecher-VITS-Bibliothek, einschließlich des VCTK-Lautsprecher-Sets, können Sie aus vielen verschiedenen Stimmen auswählen.

3. 3

   Geben Sie Ihren Text ein

   Geben Sie den gewünschten Text in den Editor ein oder fügen Sie ihn ein. VITS verarbeitet lange Passagen gut und ist ideal für Batch- und High-Volume-Inhalte.

4. 4

   Erzeugen des Audios

   Klicken Sie auf Generieren, um Sprache mit VITS zu synthetisieren. Da VITS sehr schnell und Standard-Tier (10 Credits pro 1000 Zeichen) ist, kommen die Ergebnisse schnell und kostengünstig zurück.

5. 5

   API herunterladen oder verwenden

   Laden Sie das fertige Audio als MP3, WAV oder OGG herunter oder rufen Sie die gleiche VITS-Stimme über die TextToSpeechAI REST API auf, um die Erzeugung in Ihrer eigenen Anwendung zu automatisieren.

VITS API

Erzeugen Sie Sprache programmatisch mit der 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 liefert schnelles, natürliches Sprechen für hochvolumige Anwendungen.",
    "voice": "vits-ljspeech"
  }'

Häufig gestellte Fragen