index-tts2
వివరణ
Bilibili యొక్క ఓపెన్-సోర్స్, పారిశ్రామిక-స్థాయి, నియంత్రించదగిన, అధిక-సామర్థ్యం, జీరో-సాంపుల్ టెక్స్ట్-టు-స్పీచ్ వ్యవస్థ. <br>ఆన్లైన్ డెమో: https://huggingface.co/spaces/IndexTeam/IndexTTS-2-Demo <br>పేపర్: https://arxiv.org/abs/2506.21619
సంబంధిత సాధనాలు
netease-youdao/EmotiVoice
బహుళ-వాయిస్ మరియు ప్రాంప్ట్-నియంత్రిత TTS ఇంజిన్. EmotiVoice ఇంగ్లీష్ మరియు చైనీస్ రెండింటిలోనూ మాట్లాడుతుంది మరియు 2000 కంటే ఎక్కువ విభిన్న స్వరాలను కలిగి ఉంది. అత్యంత ప్రముఖ లక్షణం భావోద్వేగ సంశ్లేషణ, ఇది సంతోషం, ఉత్సాహం, విచారం, కోపం మరియు ఇతర వాటితో సహా విస్తృత శ్రేణి భావోద్వేగాలతో ప్రసంగాన్ని సృష్టించడానికి మిమ్మల్ని అనుమతిస్తుంది.
Hailuo AI Text to Speech
17 భాషలు మరియు బహుళ యాసలలో 300కు పైగా వాయిస్లను అందిస్తుంది, విస్తృతమైన శైలులు మరియు వయస్సు సమూహాలను కవర్ చేస్తూ, మీకు అవసరమైన వాయిస్ ఎఫెక్ట్లను అందిస్తుంది.
coqui-ai/tts
టెక్స్ట్-టు-స్పీచ్ కోసం డీప్ లెర్నింగ్ టూల్‌కిట్, పరిశోధన మరియు ఉత్పత్తిలో పరీక్షించబడింది <br> ఆన్లైన్ డెమో: https://huggingface.co/spaces/coqui/xtts
ChatTTS
ChatTTS అనేది LLM అసిస్టెంట్ వంటి సంభాషణ దృశ్యాల కోసం ప్రత్యేకంగా రూపొందించిన టెక్స్ట్-టు-స్పీచ్ మోడల్. ఇది ఆంగ్లం మరియు చైనీస్ రెండింటికీ మద్దతు ఇస్తుంది. మా మోడల్ 100,000+ గంటల చైనీస్ మరియు ఆంగ్ల డేటాతో శిక్షణ పొందింది. వెబ్సైట్: https://chattts.com/
Azure Text to speech
ప్రస్తుతం అందుబాటులో ఉన్న ఉత్తమ మరియు అత్యంత వాస్తవిక వాయిస్ సాధనాలు