Subformer
സൗജന്യമാണ് · സൈൻഅപ് ആവശ്യമ छैन · നിങ്ങളുടെ ബ്രൗസറിൽ പ്രവർത്തിക്കുന്നു

സൗജന്യ Kazakh ടെക്സ്റ്റ് ടു സ്പീച്ച്

Қазақ тілі

ടൈപ്പ് ചെയ്യുക അല്ലെങ്കിൽ Kazakh ടെക്സ്റ്റ് പേസ്റ്റ് ചെയ്ത് അത് വായിച്ച് കേൾക്കൂ - എല്ലാം നിങ്ങളുടെ ബ്രൗസറിലേ, സൈൻ അപ്പ് ആവശ്യമില്ല. വോയ്സ് മോഡൽ ഒരിക്കൽ (~122 MB) ഡൗൺലോഡ് ചെയ്ത് പ്രാദേശികമായി കാഷ് ചെയ്യപ്പെടും, അതിനാൽ പിന്നീട് പ്രവർത്തനങ്ങൾ ത್ವರിതവും ഓഫ്‌ലൈൻ ആയി നടത്താനാകും.

ഇത് എങ്ങനെ പ്രവർത്തിക്കുന്നു

  1. 1. നിങ്ങളുടെ എഴുത്ത് ടൈപ്പ് ചെയ്യുക

    ഏത് Kazakh ടെക്സ്റ്റും പേസ്റ്റ് ചെയ്യുക അല്ലെങ്കിൽ ടൈപ്പ് ചെയ്യുക - വിരാമചിഹ്നങ്ങളും വരിവിരാമങ്ങളും നിലനിർത്തപ്പെടും.

  2. 2. ജനറേറ്റ് ചെയ്യുക

    ആദ്യം ക്ലിക്കすると ~122 MB വോയ്സ് മോഡൽ നിങ്ങളുടെ ബ്രൗസറിലേക്ക് ഡൗൺലോഡ്됩니다. അതിന് ശേഷം സിന്തസിസ് തൽക്ഷണം ആണ്.

  3. 3. ഡൗൺലോഡ് ചെയ്യുക അല്ലെങ്കിൽ പ്ലേ ചെയ്യുക

    ഓഡിയോ ഇൻലൈൻ പ്ലേ ചെയ്യുക അല്ലെങ്കിൽ അതിനെ WAV ഫയലായി സേവ് ചെയ്യുക. ഓഡിയോ നിങ്ങളുടെ ഉപകരണത്തിൽ നിന്നു പുറത്തേക്ക് പോകുന്നില്ല.

നിങ്ങളുടെ എഴുത്ത് നിങ്ങളുടെ ഉപകരണത്തിലേയ്ക്ക് മാത്രം തുടരുന്നു

വെബ്അസംബ്ലി ഉപയോഗിച്ച് സിന്തസിസ് നിങ്ങളുടെ ബ്രൗസറിൽ പൂർണ്ണമായും പ്രവർത്തിക്കുന്നു. വോയിസ് മോഡലും ഇൻഫറൻസ് റൺടൈമും എടുക്കുന്നതിനുള്ള നെറ്റ്‌വർക്ക് അഭ്യർത്ഥനകൾ മാത്രമാണ് ഉള്ളത് - രണ്ടും പൊതുവായ, സ്റ്റാറ്റിക് അസറ്റുകളാണ്. ഞങ്ങൾ നിങ്ങളുടെ ടെക്സ്റ്റ് കാണുന്നില്ല, ജനറേറ്റ് ചെയ്ത ഓഡിയോയും കാണുന്നില്ല.

നിങ്ങളുടെ ബ്രൗസറിൽ Kazakh വോയിസ് എങ്ങനെ പ്രവർത്തിക്കുന്നു

ഇത് നിങ്ങളുടെ സ്വന്തം മെഷീനിൽ പ്രവർത്തിക്കുന്ന ഒരു യഥാർത്ഥ ന്യൂറൽ TTS മോഡലാണ്, ഒരു ഹോസ്റ്റ് ചെയ്ത API-യുടെ നേർത്ത ക്ലയിന്റ് അല്ല. ഒരു ടാബിൽ ഇത് സാധ്യമാക്കുന്ന നാല് ഘടകങ്ങൾ ഇതാ.

Open-source neural voice
Kazakh മോഡൽ ഒരു സ്പീക്കറിൽ പരിശീലനം നേടിയതാണ്, അതുകൊണ്ടാണ് നിങ്ങൾ സിന്തസൈസ് ചെയ്യുന്ന എല്ലാ കാര്യങ്ങളിലും ഉച്ചാരണവും ഡെലിവറിയും സ്ഥിരമായി നിലനിൽക്കുന്നത്.
WebAssembly
മോഡൽ റൺടൈമും Қазақ тілі ടെക്സ്റ്റിനെ ഫോണീമുകളാക്കി മാറ്റുന്ന ഘട്ടവും വെബ്അസംബ്ലിയിലേക്ക് കംപൈൽ ചെയ്തിരിക്കുന്നു, അതിനാൽ ഡെസ്ക്ടോപ്പിനായി ആദ്യം എഴുതിയ കോഡ് ബ്രൗസർ സാൻഡ്‌ബോക്സിനുള്ളിൽ നേറ്റീവ് വേഗതയിൽ പ്രവർത്തിക്കുന്നു.
On-device inference
മോഡലിന്റെ ന്യൂറൽ നെറ്റ്‌വർക്ക് പ്രാദേശികമായി പ്രവർത്തിക്കുന്നു, സിംഗിൾ-ത്രെഡഡ് മോഡിൽ പിൻ ചെയ്തിരിക്കുന്നതിനാൽ പേജിന് ക്രോസ്-ഒറിജിൻ ഐസൊലേഷൻ ആവശ്യമില്ല, കൂടാതെ എല്ലാ ആധുനിക ബ്രൗസറുകളിലും പ്രവർത്തിക്കുകയും ചെയ്യുന്നു.
Origin Private File System
ആദ്യ റണ്ണിന് ശേഷം ~122 MB വോയിസ് മോഡൽ ഒരു സ്വകാര്യ, ഓരോ ഒറിജിൻ സ്റ്റോറിലും കാഷെ ചെയ്യപ്പെടുന്നു. പിന്നീടുള്ള സന്ദർശനങ്ങൾ ഡൗൺലോഡ് ഒഴിവാക്കുകയും നെറ്റ്‌വർക്ക് ഇല്ലാതെ തന്നെ സിന്തസൈസ് ചെയ്യുകയും ചെയ്യും.
ബ്രോഡ്‌കാസ്റ്റ്-നിലവാരമുള്ള ശബ്ദങ്ങൾ വേണമോ?

Subformer Voice Synthesis - സ്റ്റുഡിയോ-ഗ്രേഡ് Kazakh TTS

മുകളിൽ കാണുന്ന സൗജന്യ ബ്രൗസർ ഉപകരണം ഡ്രാഫ്റ്റുകൾക്കും പ്രിവ്യൂകൾക്കും മികച്ചതാണ്, എന്നാൽ ഓപ്പൺ-സോഴ്‌സ് ശബ്ദം വ്യക്തമായി കൃത്രിമമായി കേൾക്കപ്പെടുന്നു. Subformer-ന്റെ പേയ്ഡ് വോയ്‌സ് സിന്തസിസ് ഐച്ഛിക വോയ്സ് ക്ലോണിംഗുമായി പ്രകൃതിസമാനവും ബ്രോഡ്‌കാസ്റ്റ്-ഗ്രേഡ് ഓഡിയോയും ഉൽപാദിപ്പിക്കുന്നു.

Subformer Voice Synthesis പരീക്ഷിക്കുക
പ്രീമിയം - Subformer നിൽ നിന്നും
സ്റ്റുഡിയോ നിലവാരമുള്ള ശബ്ദങ്ങൾ

പോഡ്കാസ്റ്റുകൾ, പരസ്യങ്ങൾ, നറേറ്റിങ്ങിന് അനുയോജ്യമായ, പ്രകൃതസമൃദ്ധവും ബ്രോഡ്‌കാസ്റ്റ്-നിലവാരമുള്ള Kazakh TTS.

ശബ്ദ ക്ലോണിംഗ്

ഒരു ചെറിയ ഓഡിയോ സാമ്പിളിൽ നിന്നു് ഏത് ശബ്ദവും ക്ലോൺ ചെയ്ത് പ്രോജക്ടുകളിൽ വീണ്ടും ഉപയോഗിക്കുക.

പരിഭാഷയും ഡബ് ചെയ്യുക

ഒരു ക്ലിക്കിൽ വീഡിയോകൾ 30-ലധികം ഭാഷകളിലേക്ക് പരിഭാഷയും ഡബ് ചെയ്യുക.

അक्सर ചോദിക്കപ്പെടുന്ന ചോദ്യങ്ങൾ

മറ്റു സൗജന്യ TTS ഭാഷകൾ പരീക്ഷിക്കുക

വോയിസുകൾ Piper വഴി പ്രവർത്തിക്കുന്നു. വോയിസ് വെയിറ്റുകൾ MIT ലൈസൻസിലാണ (rhasspy/piper-voices). ഫോനെമൈസർ wasm റൺടൈമിൽ പൊതുജന CDN-ൽ നിന്നാണ് ലോഡ് ചെയ്യപ്പെടുന്നത്, ഇത് ഈ സൈറ്റിന്റെ വിതരണംയുടെ ഭാഗമല്ല.