VITS

Despre VITS

VITS (Inference variational with adversarial learning for end-to-end Text-to-Speeling) este un model TTS neuronal rapid, de tip final, care generează un discurs natural-sunt. Combina autoencoders variational cu antrenament adversarial pentru sinteza eficienta. VITS este excelent pentru procesarea batch-uri si aplicatii care necesită atât calitate, cât si viteza.

Caracteristici cheie

Cazuri de utilizare

Cum să utilizaţi VITS

1. 1

   Inscrie-te gratis

   Creați un cont TextToSpeechAI gratuit pentru a obține credite de pornire.

2. 2

   Alege o voce sau un speaker VITS

   Explorează biblioteca de voce și alege o voce marcată cu insigna VITS. Biblioteca multi-speaker VITS, inclusiv setul de vorbitor VCTK, vă permite să selectați din multe voci distincte.

3. 3

   Introduceți textul

   Tastați sau încolțiți textul pe care doriți să îl vorbiți în editor. VITS se ocupă bine de pasajele lungi și este ideal pentru conținut de lot și de mare volum.

4. 4

   Generați audio

   Faceţi clic pentru a sintetiza discursul cu VITS. Deoarece VITS este foarte rapid şi Standard-tier (10 credite pe 1000 de caractere), rezultatele se returnează rapid la costul scăzut.

5. 5

   Descărcați sau folosiți API

   Descarcă audioul terminat ca MP3, WAV, sau OGG, sau sună aceeași voce VITS prin intermediul API REST TextToSpeechAI pentru a automatiza generarea în propria aplicație.

VITS API

Generați discursul programmatic folosind 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 oferă un discurs natural rapid pentru aplicații cu mare volum.",
    "voice": "vits-ljspeech"
  }'

Întrebări frecvente