VITS

Informazioni VITS

VITS (Variational Inference with adversarial learning for end-to-end Text-to-Speech) è un modello TTS neurale veloce ed end-to-end che genera un linguaggio naturale. Combina autoencoder varianti con un addestramento adversarial per una sintesi efficiente. VITS è eccellente per l'elaborazione in batch e applicazioni che richiedono sia qualità che velocità.

Caratteristiche chiave

Casi di utilizzo

Come usare VITS

1. 1

   Iscriviti gratis o prova la demo

   Crea un account gratuito TextToSpeechAI per ottenere crediti di avviamento, o usa la demo in-page per ascoltare VITS prima di iscriversi.

2. 2

   Scegli una voce o un altoparlante VITS

   Sfoglia la libreria vocale e scegli una voce contrassegnata con il badge VITS. La libreria VITS multi-altoparlante, incluso il set di altoparlanti VCTK, consente di selezionare tra molte voci distinte.

3. 3

   Inserisci il tuo testo

   Digitare o incollare il testo che si desidera parlato nell'editor. VITS gestisce passaggi lunghi bene ed è ideale per i contenuti batch e ad alto volume.

4. 4

   Genera l'audio

   Cliccare su generare per sintetizzare il discorso con VITS. Poiché VITS è molto veloce e Standard-tier (10 crediti per 1000 caratteri), i risultati ritornano rapidamente a basso costo.

5. 5

   Scarica o utilizza l'API

   Scarica l'audio finito come MP3, WAV, o OGG, o chiama la stessa voce VITS attraverso l'API TextToSpeechAI REST per automatizzare la generazione nella propria applicazione.

VITS API

Generare la parola programmaticamente usando l'API 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 offre un discorso veloce e naturale per applicazioni ad alto volume.",
    "voice": "vits-ljspeech"
  }'

Domande frequenti