VITS

Standard

Nopeat lopetukset TTS:ään luonnollisella puheella

Kokeile vapaa VITS Selaa ääniä (109)
Very Fast Nopeus
Good Laatu
Ei ole tarpeen Kloonaus
10 Kielet

Tietoja VITS

VITS (Variaatiovaikutus advertikaaliseen oppimiseen loppupään Text-to-Speech -oppimiseen) on nopea, loppuun asti ulottuva hermo-TTS-malli, joka tuottaa luonnollista puhetta. Siinä yhdistyvät variaatio-automaattien koodaajat ja advertikaalikoulutus tehokkaaseen synteesiin. VITS on erinomainen sekä laatua että nopeutta vaativiin erien käsittelyyn ja sovelluksiin.

Tärkeimmät ominaisuudet

Nopea yhteenveto

Päätearkkitehtuuria nopealle puhesukupolvelle.

Erän käsittely

Käsittele useita tekstejä tehokkaasti samanaikaisesti.

Luonnollinen puhe

VAE+GAN-harjoittelu tuottaa luontaista prosodiaa ja rytmiä.

Monikielisyys

Yksi malli tukee useita kaiuttimia.

Tehokas

Hyvällä suorituksella varustettu matala muistijalanjälki.

Avaa lähdekoodi

MIT:n lupa kaikkiin käyttötapauksiin.

Käytä tapauksia

Erän äänisukupolvi E-Oppimisalustat Uutisten lukijat Automaattiset ilmoitukset IVR-järjestelmät Korkea-arvoinen sisältö

VITS Voices

View All 109
LJSpeech (English Female)
EN
VCTK Speaker 225 (English Female)
EN
VCTK Speaker 226 (English Male)
EN
VCTK Speaker 227 (English Male)
EN
VCTK Speaker 228 (English Female)
EN
VCTK Speaker 229
EN
VCTK Speaker 230
EN
VCTK Speaker 231
EN
VCTK Speaker 232
EN
VCTK Speaker 233
EN
VCTK Speaker 234
EN
VCTK Speaker 236
EN

Miten lääkettä käytetään VITS

  1. 1

    Rekisteröidy ilmaiseksi tai kokeile demoa

    Luo ilmainen TextToSpeechAI-tili, jolla saat aloituskomennukset, tai käytä sivun demoa VITS-kuunteluun ennen ilmoittautumista.

  2. 2

    Valitse VITS-ääni tai -kaiutin

    Selaa äänikirjastoa ja valitse äänimerkki VITS-tunnuksella. Monikielisen VITS-kirjaston, VCTK-kaiutinsarja mukaan lukien, avulla voit valita monista eri äänistä.

  3. 3

    Anna teksti

    Kirjoita tai liitä muokkaimeen teksti, jonka haluat puhuteltavan. VITS käsittelee pitkiä kappaleita hyvin ja sopii erinomaisesti erän ja suuren määrän sisältöön.

  4. 4

    Luo ääni

    Klikkaa luoda syntetisoida puhe VITS. Koska VITS on erittäin nopea ja Standard-tier (10 krediittiä 1000 merkkiä kohti), tulokset palaavat nopeasti edullisesti.

  5. 5

    Lataa tai käytä API-rajapintaa

    Lataa valmis ääni MP3-, WAV- tai OGG-puhelimella tai soita sama VITS-ääni TextToSpeechAI REST API:n kautta, jotta voit automatisoida sukupolven oman sovelluksesi.

VITS API

Luo puheohjelmallisesti TextToSpeechAI REST API:n avulla.

curl -X POST "https://api.texttospeechai.com/v1/generate/" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "VITS\u002Dohjelma tarjoaa nopeaa, luonnollista puhetta suurille sovelluksille.",
    "voice": "vits-ljspeech"
  }'
Lue API-dokumentit Hae API-avain

Usein kysyttyjä

VITS (Variaatiovaikutus advertoriaaliseen oppimiseen loppupään Text-to-Speech -oppimiseen) on koko ajan käytössä oleva TTS-hermomalli, jossa yhdistyvät variaatioauton koodaaja ja advertoriaalinen GAN-koulutus. Se tuottaa luonnolta kuulostavaa puhetta yhdellä syötöllä, mikä tekee siitä nopean ja tehokkaan. VITS-koodaajaa voi kokeilla ilmaiseksi TextToSpeechAI:lla.

Kyllä, VITS on MIT-lisenssin mukainen avoin lähdekoodi, joten se tukee täysin kaupallista käyttöä ilman rajoituksia. Sitä käytetään laajalti kaupallisissa tuotteissa ja palveluissa. TextToSpeechAI:lla VITS maksaa 10 krediitiä 1000 merkkiä kohti standarditasolla.

TextToSpeechAI tarjoaa laajan monikaiuttimen VITS-kirjaston, johon kuuluu VCTK-äänisarja, jossa on kymmeniä erillisiä englanninkielisiä kaiuttimia. Yksi VITS-malli voi olla monenkaltainen, joten voit valita monista eri äänistä vaihtamatta moottoreita.

VITS-tuki riippuu koulutetusta mallista. Yhteiset VITS-mallit kattavat englannin, kiinan, japanin, korean, saksan, ranskan ja muut pääkielet, ja VCTK-aineistosta löytyy monikielistä englantia.

VITS on erittäin nopea, ja se tuottaa puhetta reaaliaikaisesti tai nopeammin GPU:lla. Sen pääty-päätearkkitehtuurin avulla vältetään muiden mallien monivaiheinen käsittely, minkä vuoksi VITS soveltuu hyvin erien ja suurten määrien synteesiin.

Ei, VITS ei tue äänen kloonausta, vaan se käyttää esikoulutettuja monikielisiä malleja eikä kopioi kohdeääntä näytteestä. Äänikloonauksen yhteydessä TextToSpeechAI:lla käytetään F5-TTS:ää tai GPT-SoVITS:iä.

VITS tuottaa laadukasta ääntä, jossa on luonnollinen prosody ja rytmi. Vaikka se ei olekaan Styletts 2 - tai Tortoise -tason tasolla, se tarjoaa erinomaista laatua nopeuteensa, erityisesti erän käsittelyyn.

VITS on muistitehokas, ja se tarvitsee yleensä vain muutaman GB:n VRAM-muistia (noin 4GB). Se toimii mukavasti kuluttajien GPU-puhelimessa, ja TextToSpeechAI:lla kaikki renderointi tapahtuu palvelimillamme, joten et tarvitse omia laitteita.

VITS ja Piper ovat molemmat nopeita, MIT-lisensoituja vakiomoottorikäyttöisiä TextToSpeechAI-moottorilla. Piper on kevyin ja nopein vaihtoehto, kun taas VITS tarjoaa laajan monikielikirjaston (mukaan lukien VCTK) hieman luonnollisemmalla prosodylla. Kumpikaan ei tue äänen kloonausta.

VITS on vakiomoottori, joka maksaa 10 krediitiä 1000 merkkiä kohti. Tämä on alhaisin hintatasomme VITS-mallin tehokkaan ja nopean luonteen ansiosta.

VITS tuottaa ääntä 22050Hz:ssa. TextToSpeechAI:n kautta voit pyytää MP3-, WAV- tai OGG-formaatteja, joissa automaattimuuntaminen on sinulle käsitelty.

Rekisteröidy TextToSpeechAI:n kanssa, jotta saat ilmaisen aloituskomennuksen, valitset VITS-äänen, syötät tekstisi ja luot äänen. Voit myös käyttää demoa kuullaksesi VITS:n ennen tilin luomista ja käyttää VITS:ää REST API:n kautta rekisteröityessäsi.

Technical Specs

  • Generation Speed Very Fast
  • Output Quality Good
  • Voice Cloning Not Supported
  • Languages 10
  • GPU VRAM 1-2GB
  • Credits/1000 chars 10

Try VITS Now

Generate your first audio free. No credit card required.

Start Free

Other TTS Engines

Kuori
Slow | Very Good
Chatterbox
Fast | Very Good
CosyVoice2
Fast | Very Good
View All 9 Engines