ਟੀ

Standard

ਕੁਦਰਤੀ ਬੋਲੀ ਨਾਲ ਤੇਜ਼ ਅੰਤ- ਤੋਂ- ਅੰਤ TTSName

ਮੁਫ਼ਤ ਕੋਸ਼ਿਸ਼ ਟੀ ਧੁਨ ਝਲਕ (109)
Very Fast ਗਤੀ
Good ਕੁਆਲਟੀ
ਕੋਈ ਨਹੀਂ ਕਲੋਨਿੰਗ
1 ਭਾਸ਼ਾਵਾਂ

ਬਾਰੇ ਟੀ

-efficient, and highly-efficient TTS model. It is designed to generate natural-sounding speech from texts, texts from texts, and texts from texts. It is designed to generate natural-sounding speech from texts, texts from texts, and texts from texts. It is designed to generate natural-sounding speech from texts, texts from texts, and texts from texts. It is designed to provide

ਮੁੱਖ ਫੀਚਰ

ਤੇਜ਼ ਸੰਸਲੇਸ਼ਣ

ਤੇਜ਼ ਬੋਲੀ ਪੈਦਾ ਕਰਨ ਲਈ ਅੰਤ-ਤੱਕ-ਅੰਤ ਢਾਂਚਾ

ਬੈਚ ਪਰੋਸੈਸਿੰਗ

ਇੱਕੋ ਸਮੇਂ ਕਈ ਪਾਠਾਂ ਨੂੰ ਪਰੋਸੈਸ ਕਰੋ ।

ਕੁਦਰਤੀ ਬੋਲੀ

VAE+GAN ਟ੍ਰੇਨਿੰਗ ਕੁਦਰਤੀ ਰਸ ਅਤੇ ਰੀਥਮ ਪੈਦਾ ਕਰਦੀ ਹੈ।

ਬਹੁ- ਸਪੀਕਰ

ਇੱਕਲਾ ਮਾਡਲ ਕਈ ਸਪੀਕਰ ਆਵਾਜ਼ਾਂ ਲਈ ਸਹਾਇਕ ਹੈ ।

ਕੁਸ਼ਲ

ਚੰਗੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨਾਲ ਘੱਟ ਮੈਮੋਰੀ ਫੁੱਟ- ਪ੍ਰਿੰਟ ਹੈ ।

ਖੋਲ੍ਹੋ ਸਰੋਤ

ਕਿਸੇ ਵੀ ਵਰਤੋਂ ਲਈ MIT ਲਾਈਸੈਂਸ ਹੈ ।

ਵਰਤੋਂ ਕੇਸ

ਆਡੀਓ ਪੈਦਾ ਕਰੋ ਈ- ਸਿੱਖਿਆ ਪਲੇਟਫਾਰਮ ਨਿਊਜ਼ ਰੀਡਰName ਆਟੋਮੈਟਿਕ ਐਲਾਨ IVR ਸਿਸਟਮ ਉੱਚ- ਵੋਲਟੇਜ ਸਮੱਗਰੀ

ਟੀ Voices

View All 109
LJSpeech (English Female)
EN
VCTK Speaker 225 (English Female)
EN
VCTK Speaker 226 (English Male)
EN
VCTK Speaker 227 (English Male)
EN
VCTK Speaker 228 (English Female)
EN
VCTK Speaker 229
EN
VCTK Speaker 230
EN
VCTK Speaker 231
EN
VCTK Speaker 232
EN
VCTK Speaker 233
EN
VCTK Speaker 234
EN
VCTK Speaker 236
EN

ਵਰਤੋਂ ਕਿਵੇਂ ਕਰੀਏ ਟੀ

  1. 1

    ਮੁਫ਼ਤ ਰਜਿਸਟਰ

    ਸਟਾਰਟਅੱਪ ਕ੍ਰੈਡਿਟ ਲੈਣ ਲਈ ਮੁਫਤ TextToSpeechAI ਅਕਾਊਂਟ ਬਣਾਓ।

  2. 2

    VITS ਆਵਾਜ਼ ਜਾਂ ਸਪੀਕਰ ਚੁਣੋ

    ਆਵਾਜ਼ ਲਾਇਬਰੇਰੀ ਝਲਕ ਅਤੇ VITS ਬੈਜ ਨਾਲ ਨਿਸ਼ਾਨਬੱਧ ਆਵਾਜ਼ ਚੁਣੋ । VCTK ਸਪੀਕਰ ਸੈੱਟ ਸਮੇਤ ਬਹੁ- ਸਪੀਕਰ VITS ਲਾਇਬਰੇਰੀ ਤੁਹਾਨੂੰ ਕਈ ਵੱਖ ਵੱਖ ਆਵਾਜ਼ਾਂ ਵਿੱਚੋਂ ਚੁਣਨ ਦਿੰਦੀ ਹੈ ।

  3. 3

    ਆਪਣਾ ਟੈਕਸਟ ਦਿਓ

    ਟੈਕਸਟ, ਜੋ ਕਿ ਤੁਸੀਂ ਐਡੀਟਰ ਵਿੱਚ ਬੋਲਣਾ ਚਾਹੁੰਦੇ ਹੋ, ਨੂੰ ਲਿਖੋ ਜਾਂ ਚੇਪੋ । VITS ਲੰਬੇ ਪਾਠ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸੰਭਾਲਦਾ ਹੈ ਅਤੇ ਬੈਚ ਅਤੇ ਵੱਡੇ ਆਕਾਰ ਦੇ ਸਮੱਗਰੀ ਲਈ ਢੁੱਕਵਾਂ ਹੈ ।

  4. 4

    ਆਡੀਓ ਬਣਾਓ

    VITS ਨਾਲ ਬੋਲੀ ਸੰਸਲੇਸ਼ਣ ਕਰਨ ਲਈ ਬਣਾਓ ਕਲਿੱਕ ਕਰੋ । ਕਿਉਂਕਿ VITS ਬਹੁਤ ਤੇਜ਼ ਹੈ ਅਤੇ ਸਟੈਂਡਰਡ- ਟਾਇਰ ਹੈ (10 ਕ੍ਰੈਡਿਟ ਪ੍ਰਤੀ 1000 ਅੱਖਰ), ਨਤੀਜੇ ਘੱਟ ਕੀਮਤ ਉੱਤੇ ਤੇਜ਼ੀ ਨਾਲ ਮਿਲਦੇ ਹਨ ।

  5. 5

    API ਡਾਊਨਲੋਡ ਜਾਂ ਵਰਤੋਂ

    MP3, WAV ਜਾਂ OGG ਦੇ ਰੂਪ ਵਿੱਚ ਆਡੀਓ ਡਾਊਨਲੋਡ ਕਰੋ, ਜਾਂ ਆਪਣੇ ਐਪਲੀਕੇਸ਼ਨ ਵਿੱਚ ਆਟੋਮੈਟਿਕ ਬਣਾਉਣ ਲਈ TextToSpeechAI REST API ਰਾਹੀਂ VITS ਆਡੀਓ ਕਾਲ ਕਰੋ ।

ਟੀ API

TextToSpeechAI REST API ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪ੍ਰੋਗਰਾਮਿਕ ਤੌਰ ਉੱਤੇ ਬੋਲੀ ਬਣਾਓ । Name

curl -X POST "https://api.texttospeechai.com/v1/generate/" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "VITS ਤੇਜ਼, ਕੁਦਰਤੀ ਬੋਲੀ ਦੇ ਨਾਲ ਵੱਡੇ ਆਕਾਰ ਦੇ ਐਪਲੀਕੇਸ਼ਨ ਦਿੰਦਾ ਹੈ ।",
    "voice": "vits-ljspeech"
  }'
API ਡੌਕੂਮੈਂਟ ਪੜ੍ਹੋ ਆਪਣੀ API ਕੁੰਜੀ ਲਵੋ

ਅਕਸਰ ਪੁੱਛੇ ਜਾਂਦੇ ਸਵਾਲ

VITS (ਵਾਇਰਲੈਸ ਇੰਫਰਰੇਸ਼ਨ ਨਾਲ ਐਂਡ- ਟੂ- ਐਂਡ ਟੈਕਸਟ- ਟੂ- ਸਪੀਚ ਲਈ ਵਿਰੋਧੀ ਸਿੱਖਣ) ਇੱਕ ਐਂਡ- ਟੂ- ਐਂਡ ਨਿਊਰਲ TTS ਮਾਡਲ ਹੈ, ਜੋ ਕਿ ਵਿਰੋਧੀ GAN ਟਰੇਨਿੰਗ ਨਾਲ ਇੱਕ ਵਾਇਰਲੈਸ ਆਟੋ- ਇੰਕੋਡਰ ਨੂੰ ਜੋੜਦਾ ਹੈ । ਇਹ ਇੱਕ ਇੱਕਲੇ ਪਾਸੇ ਵਿੱਚ ਕੁਦਰਤੀ- ਸੁਣਨਯੋਗ ਬੋਲੀ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਤੇਜ਼ ਅਤੇ ਕੁਸ਼ਲ ਹੈ । ਤੁਸੀਂ TextToSpeechAI ਉੱਤੇ VITS ਮੁਫ਼ਤ ਵਿੱਚ ਵਰਤ ਸਕਦੇ ਹੋ ।

ਹਾਂ, VITS MIT ਲਾਈਸੈਂਸ ਅਧੀਨ ਓਪਨ- ਸੋਰਸ ਹੈ, ਇਸ ਲਈ ਇਹ ਬਿਨਾਂ ਕਿਸੇ ਪਾਬੰਦੀ ਦੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵਪਾਰਕ ਵਰਤੋਂ ਲਈ ਸਹਾਇਕ ਹੈ। ਇਹ ਵਪਾਰਕ ਉਤਪਾਦਾਂ ਅਤੇ ਸੇਵਾਵਾਂ ਵਿੱਚ ਵਿਆਪਕ ਤੌਰ ਉੱਤੇ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। TextToSpeechAI ਉੱਤੇ, VITS ਦੀ ਕੀਮਤ ਸਟੈਂਡਰਡ ਟਾਇਰ ਉੱਤੇ ਪ੍ਰਤੀ 1000 ਅੱਖਰ 10 ਕਰੈਡਿਟ ਹੈ।

TextToSpeechAI ਇੱਕ ਵੱਡੀ ਬਹੁ- ਸਪੀਕਰ VITS ਲਾਇਬਰੇਰੀ ਦਿੰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ VCTK ਆਵਾਜ਼ ਸੈੱਟ ਸ਼ਾਮਲ ਹੈ, ਜਿਸ ਵਿੱਚ ਅੰਗਰੇਜ਼ੀ ਬੋਲਣ ਵਾਲੇ ਕਈ ਵੱਖਰੇ ਆਵਾਜ਼ਾਂ ਹਨ । ਇੱਕ VITS ਮਾਡਲ ਕਈ ਆਵਾਜ਼ਾਂ ਹੋਸਟ ਕਰ ਸਕਦਾ ਹੈ, ਤਾਂ ਕਿ ਤੁਸੀਂ ਇੰਜਣਾਂ ਨੂੰ ਬਦਲਣ ਤੋਂ ਬਿਨਾਂ ਕਈ ਵੱਖਰੀਆਂ ਆਵਾਜ਼ਾਂ ਵਿੱਚੋਂ ਚੁਣ ਸਕਦੇ ਹੋ ।

TextToSpeechAI ਉੱਤੇ VITS ਆਵਾਜ਼ ਅੰਗਰੇਜ਼ੀ ਹਨ, LJSpeech ਅਤੇ VCTK ਸਪੀਕਰ ਸੈੱਟ ਤੋਂ ਲਿਆ ਗਿਆ ਹੈ । ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਲਈ, Piper ਜਾਂ Bark ਆਵਾਜ਼ ਵਰਤੋਂ ।

VITS ਬਹੁਤ ਤੇਜ਼ ਹੈ, ਰੀਅਲ- ਟਾਈਮ ਜਾਂ GPU ਉੱਤੇ ਤੇਜ਼ੀ ਨਾਲ ਬੋਲੀ ਪੈਦਾ ਕਰਦਾ ਹੈ । ਇਸ ਦਾ ਐਂਡ- ਟੂ- ਐਂਡ ਆਰਕੀਟੈਕਚਰ ਹੋਰ ਮਾਡਲਾਂ ਦੇ ਕਈ ਪਰੋਸੈਸ ਸਟੇਜਾਂ ਤੋਂ ਬਚਦਾ ਹੈ, ਇਸ ਲਈ VITS ਬੈਚ ਅਤੇ ਉੱਚ- ਵੋਲਟੇਜ ਸੰਸਲੇਸ਼ਣ ਲਈ ਵਧੀਆ ਹੈ ।

ਨਹੀਂ, VITS ਬੋਲੀ ਕਲੋਨਿੰਗ ਲਈ ਸਹਾਇਕ ਨਹੀਂ ਹੈ । ਇਹ ਇੱਕ ਸੈਪਲ ਤੋਂ ਟਾਰਗੇਟ ਬੋਲੀ ਦੀ ਕਾਪੀ ਕਰਨ ਦੀ ਬਜਾਏ ਪਹਿਲਾਂ- ਟਰੇਨਡ ਬਹੁ- ਸਪੀਕਰ ਮਾਡਲ ਵਰਤਦਾ ਹੈ । ਬੋਲੀ ਕਲੋਨਿੰਗ ਲਈ, ਕਲੋਨ ਬੋਲੀ ਟੂਲ ਵਰਤੋਂ, ਜੋ ਕਿ ਚੈਟਰਬਾਕਸ ਚਲਾਉਦਾ ਹੈ ।

VITS ਕੁਦਰਤੀ ਪਰੋਸੌਡੀ ਅਤੇ ਰਿਦਮ ਨਾਲ ਚੰਗੀ ਕੁਆਲਟੀ ਆਡੀਓ ਬਣਾਉਦਾ ਹੈ । ਜਦੋਂ ਕਿ ਇਹ StyleTTS2ਜਾਂ Tortoise ਦੇ ਪੱਧਰ ਉੱਤੇ ਨਹੀਂ ਹੈ, ਇਹ ਆਪਣੀ ਸਪੀਡ ਲਈ ਵਧੀਆ ਕੁਆਲਟੀ ਦਿੰਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਬੈਚ ਪਰੋਸੈਸਿੰਗ ਲਈ ।

VITS ਮੈਮੋਰੀ- ਕੁਸ਼ਲ ਹੈ, ਆਮ ਤੌਰ ਉੱਤੇ ਸਿਰਫ ਕੁਝ GB VRAM ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ (4GB ਦੇ ਆਸ ਪਾਸ) । ਇਹ ਗਾਹਕ GPUs ਉੱਤੇ ਆਰਾਮ ਨਾਲ ਚੱਲਦਾ ਹੈ, ਅਤੇ TextToSpeechAI ਉੱਤੇ ਸਭ ਰਿਡਰਿੰਗ ਸਾਡੇ ਸਰਵਰਾਂ ਉੱਤੇ ਹੁੰਦਾ ਹੈ, ਇਸ ਲਈ ਤੁਹਾਨੂੰ ਆਪਣੇ ਹਾਰਡਵੇਅਰ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ ।

VITS and Piper are both fast, MIT-licensed engines on TextToSpeechAI. Piper is the lightest option and costs 1 credit per 1,000 characters, while VITS (10 credits per 1,000 characters) offers a large multi-speaker library (including VCTK) with slightly more natural prosody. Neither supports voice cloning.

VITS ਇੱਕ ਸਟੈਂਡਰਡ- ਟਾਇਰ ਇੰਜਣ ਹੈ, ਜਿਸ ਦੀ ਕੀਮਤ ਪ੍ਰਤੀ 1000 ਅੱਖਰ 10 ਕਰੈਡਿਟ ਹੈ । ਸਿਰਫ Piper ਹੀ, ਜੋ ਕਿ ਪ੍ਰਤੀ 1000 ਅੱਖਰ 1 ਕਰੈਡਿਟ ਹੈ, ਘੱਟ ਕੀਮਤ ਹੈ ।

VITS ਆਡੀਓ ਨੂੰ 22050Hz ਤੇ ਬਣਾਉਂਦਾ ਹੈ । TextToSpeechAI ਰਾਹੀਂ ਤੁਸੀਂ MP3, WAV ਜਾਂ OGG ਫਾਰਮੈਟ ਦੀ ਮੰਗ ਕਰ ਸਕਦੇ ਹੋ, ਆਟੋਮੈਟਿਕ ਰੂਪ ਵਿੱਚ ਤੁਹਾਡੇ ਲਈ ਸੰਚਾਰ ਕੀਤਾ ਜਾਵੇਗਾ ।

ਮੁਫਤ ਸਟਾਰਟਅੱਪ ਕ੍ਰੈਡਿਟ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ TextToSpeechAI ਉੱਤੇ ਰਜਿਸਟਰ ਕਰੋ, ਫਿਰ VITS ਆਵਾਜ਼ ਚੁਣੋ, ਆਪਣਾ ਪਾਠ ਦਿਓ ਅਤੇ ਆਡੀਓ ਬਣਾਓ। ਤੁਸੀਂ ਇੱਕ ਵਾਰ ਰਜਿਸਟਰ ਹੋਣ ਉੱਤੇ ਸਾਡੇ REST API ਰਾਹੀਂ ਵੀ VITS ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦੇ ਹੋ।

Technical Specs

  • Generation Speed Very Fast
  • Output Quality Good
  • Voice Cloning Not Supported
  • Languages 1
  • GPU VRAM 1-2GB
  • Credits/1000 chars 10

Try ਟੀ Now

Generate your first audio free. No credit card required.

Start Free

Other TTS Engines

ਬਾਰ
Slow | Very Good
ਚੈਟਰਬਾਕਸ
Moderate | Very Good
TTS ਪਾਈਪਰ
Very Fast | Good
Compare All Engines