VITS

Apie VITS

VITS (Varijų išvada su priešpriešiniu mokymusi iš galo į eilę teksto į eilę) yra greitas, visiškai nervinis TTS modelis, kuris sukuria natūralų garsą. Jis sujungia skirtingus auto-enkoderius su antiversariniu mokymu efektyviai sintezei. VITS puikiai tinka partijų apdorojimui ir programoms, reikalaujančioms tiek kokybės, tiek greičio.

Pagrindinės savybės

Naudoti atvejus

Kaip vartoti VITS

1. 1

   Užsiregistruoti nemokamai arba išbandyti demo

   Sukurti nemokamą TextToSpeechAI paskyrą, kad gautumėte starterio kreditus, arba naudoti on-lapyje demo išgirsti VITS prieš užsiregistravimą.

2. 2

   Pasirinkite VITS balso arba garsiakalbio

   Naršykite balso biblioteką ir pasirinkite balsą, pažymėtą VITS ženklu. Daugiakalbio VITS biblioteka, įskaitant VCTK garsiakalbio rinkinį, leidžia pasirinkti iš daugelio skirtingų balsų.

3. 3

   Įveskite savo tekstą

   Įveskite arba įklijuokite tekstą, kurį norite kalbėti redaktoriuje. VITS tvarko ilgas praėjimas gerai ir yra idealus partijos ir didelio tūrio turinio.

4. 4

   Generuoti garsą

   Spustelėkite generuoti sintezuoti kalbą su VITS. Kadangi VITS yra labai greitai ir standartas lygis (10 kreditai 1000 simbolių), rezultatai greitai grįžti pigiai.

5. 5

   Atsisiųsti arba naudoti API

   Atsisiųskite baigtą garsą kaip MP3, WAV, arba OGG, arba skambinkite tą patį VITS balso per TextToSpeechAI REST API Automate generuoti savo prašymą.

VITS API

Generuoti kalbos programuoja naudojant 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": "VITS teikia greitą, natūralų kalbą dideliam kiekiui.",
    "voice": "vits-ljspeech"
  }'

Dažnai užduodami klausimai