VITS

Acerca de VITS

VITS (Inferencia Variacional con aprendizaje contradictorio para texto a voz de extremo a extremo) es un modelo de TTS neural rápido, de extremo a extremo que genera un sonido natural. Combina autoencoders variacionales con entrenamiento contradictorio para una síntesis eficiente. VITS es excelente para el procesamiento por lotes y aplicaciones que requieren calidad y velocidad.

Características principales

Casos de uso

Cómo usar VITS

1. 1

   Regístrate gratis o prueba la demo

   Crear una cuenta gratuita TextToSpeechAI para obtener créditos de inicio, o utilizar la demo en la página para escuchar VITS antes de registrarse.

2. 2

   Elija una voz o un altavoz VITS

   Explore la biblioteca de voz y elija una voz marcada con la insignia VITS. La biblioteca VITS multi-parlante, incluyendo el conjunto de altavoces VCTK, le permite seleccionar entre muchas voces distintas.

3. 3

   Introduzca su texto

   Escriba o pegue el texto que desea que se hable en el editor. VITS maneja bien pasajes largos y es ideal para contenido por lotes y de alto volumen.

4. 4

   Generar el audio

   Haga clic en generar para sintetizar el habla con VITS. Debido a que VITS es muy rápido y estándar (10 créditos por 1000 caracteres), los resultados vuelven rápidamente a bajo costo.

5. 5

   Descargue o utilice la API

   Descargue el audio terminado como MP3, WAV o OGG, o llame a la misma voz VITS a través de la API de TextToSpeechAI REST para automatizar la generación en su propia aplicación.

VITS API

Generar voz programáticamente usando la API de TextToSpeechAI REST.

curl -X POST "https://api.texttospeechai.com/v1/generate/" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "VITS ofrece voz rápida y natural para aplicaciones de alto volumen.",
    "voice": "vits-ljspeech"
  }'

Preguntas frecuentes