VIT

Om VIT

VITS (Variativ inferens med antagonistisk læring for ende- til- ende tekst- til- tale) er en rask, ende- til- ende nevral TTS- modell som lager naturlig lydertalende tale. Den kombinerer variasjons- autoencodere med antagonistisk trening for effektiv syntese. VITS er fremragende for satsvis behandling og anvendelser som krever både kvalitet og hastighet.

Nøkkelfunksjoner

Brukstilfeller

Bruksmåte VIT

1. 1

   Registrer deg gratis

   Opprett en gratis TextToSpeechAI- konto for å få startpoeng.

2. 2

   Velg en VITS-tale eller høyttaler

   Bla gjennom talebiblioteket og velg en stemme merket med VITS- skiltet. Med VCTK- høyttaleren kan du velge mellom mange forskjellige stemmer.

3. 3

   Skriv inn teksten

   Skriv inn eller lim inn teksten du vil ha snakket inn i redigeringen. VITS håndterer lange avsnitt godt og er ideell for satsvis og høyt innhold.

4. 4

   Lag lyd

   Trykk på Lag for å syntesere tale med VITS. Fordi VITS er svært raskt og Standard- nivå (10 kredittvurderinger pr. 1000 tegn), så returnerer resultatene raskt til lav kostnad.

5. 5

   Last ned eller bruk API

   Last ned den ferdige lyden som MP3, WAV eller OGG, eller ring opp den samme VITS-stemmen gjennom TextToSpeechAI REST API for å automatisere generering i ditt eget program.

VIT API

Generer taleprogrammatisk ved å bruke 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 leverer en rask, naturlig tale for anvendelser i store serier.",
    "voice": "vits-ljspeech"
  }'

Ofte stilte spørsmål