Mga

Tungkol sa Mga

VITS (Variational Inference with adversarial learning for end-to-end Text-to-Speech) is a fast, end-to-end neural TTS model that generates natural-sounding speech. It combines variational autoencoders with adversarial training for efficient synthesis. VITS is excellent for batch processing and applications requiring both quality and speed.

Mga Susing Katangian

Gamitin ang mga kaso

Paano Gumamit Mga

1. 1

   Mag-sign up para sa libreng

   Lumikha ng isang libreng TextToSpeechAI account upang makakuha ng starter credits.

2. 2

   Pumili ng isang VITS boses o speaker

   Mag-browse sa library ng boses at pumili ng boses na may marka ng VITS badge. Ang multi-speaker VITS library, kabilang ang VCTK speaker set, ay nagbibigay-daan sa iyo upang pumili mula sa maraming mga natatanging boses.

3. 3

   Ipasok ang iyong teksto

   I-type o i-paste ang teksto na nais mong sinabi sa editor. VITS handles mahabang mga pasahe ng mabuti at ito ay perpekto para sa batch at mataas na dami ng nilalaman.

4. 4

   Bumuo ng audio

   Mag-click upang makabuo ng synthesize speech sa VITS. Dahil VITS ay napakabilis at Standard-tier (10 credits bawat 1000 character), mga resulta bumalik mabilis sa mababang gastos.

5. 5

   I-download o gamitin ang API

   I-download ang tapos na audio bilang MP3, WAV, o OGG, o tumawag sa parehong VITS boses sa pamamagitan ng TextToSpeechAI REST API upang awtomatikong henerasyon sa iyong sariling application.

Mga API

Generate speech programmatically using the 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": "Ang mga ito ay mga natural na mga katangian ng mga bagay na may buhay.",
    "voice": "vits-ljspeech"
  }'

Mga Madalas Itanong