VITS

About VITS

VITS (Variational Inverence with anversarial learning for end-to-end Text-to-Speech) egy gyors, végponttól végpontig terjedő neurális TTS modell, amely természetes hangzású beszédet generál. Ez egyesíti a variációs autoenkoderek és a hatékony szintézist célzó ellenző képzés. VITS kiválóan alkalmas a gyártási folyamatokra és alkalmazásokra, amelyek minőségre és sebességre egyaránt igényelnek.

Kulcsfontosságú jellemzők

Esetek használata

Hogyan kell alkalmazni? VITS

1. 1

   Regisztráljon ingyen vagy próbálja ki a demót

   Hozzon létre egy ingyenes TextToSpeechAI fiókot, hogy kezdő krediteket kapjon, vagy használja a honlapon megjelenő demót a VITS meghallgatására, mielőtt regisztrálna.

2. 2

   Válasszon VITS hangot vagy hangszórót

   Böngésszen a hangkönyvtár és válassza ki a hang jelölt VITS jelvény. A több hangszórós VITS könyvtár, beleértve a VCTK hangszóró készlet, lehetővé teszi, hogy válasszon a sok különböző hangok.

3. 3

   Írja be a szöveget

   Írja be vagy illessze be a kívánt szöveget a szerkesztőbe. VITS kezeli a hosszú szakaszokat jól, és ideális a tétel és nagy mennyiségű tartalom.

4. 4

   Hang generálása

   Kattintson a generáláshoz szintetizálja beszéd VITS. Mivel a VITS nagyon gyors és Standard-tier (10 kredit 1000 karakterenként), eredmények gyorsan visszatérnek alacsony áron.

5. 5

   Az API letöltése vagy használata

   Töltse le a kész audio MP3, WAV, vagy OGG, vagy hívja ugyanazt a VITS hangot keresztül a TextToSpeechAI REST API automatizálja generáció saját alkalmazás.

VITS API

A beszéd programszerű generálása a TextToSpeechAI REST API használatával.

curl -X POST "https://api.texttospeechai.com/v1/generate/" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "A VITS gyors, természetes beszédet biztosít a nagy volumenű alkalmazásokhoz.",
    "voice": "vits-ljspeech"
  }'

Gyakran ismételt kérdések