普通话
टाइप करा किंवा Mandarin मजकूर पेस्ट करा आणि तो ऐका - सगळे तुमच्या ब्राउझरमध्ये, कोणतीही साइनअप न करता. व्हॉइस मॉडेल एकदाच डाउनलोड होते (~60 MB) आणि स्थानिकपणे कॅश होते, त्यामुळे पुढील वापर ताबडतोब आणि ऑफलाइन काम करतो.
कोणतेही Mandarin मजकूर पेस्ट करा किंवा टाइप करा - विरामचिन्हे आणि ओळींचे विभाजन जपले जाते.
पहिल्या क्लिकवर ~60 MB आवाज मॉडेल तुमच्या ब्राउझरमध्ये डाउनलोड होते. त्यानंतर, संश्लेषण ताबडतोब होते.
ऑडिओ इनलाइन प्ले करा किंवा WAV फाईल म्हणून जतन करा. ऑडिओ कधीही तुमच्या डिव्हाइसच्या बाहेर जात नाही.
सिंथेसिस वेबअसेम्बली वापरून तुमच्या ब्राउझरमध्ये पूर्णपणे चालते. एकमेव नेटवर्क विनंत्या व्हॉइस मॉडेल आणि इन्फरन्स रनटाइम आणण्यासाठी असतात - दोन्ही सार्वजनिक, स्थिर मालमत्ता आहेत. आम्ही तुमचा मजकूर पाहत नाही आणि आम्ही तयार केलेला ऑडिओ पाहत नाही.
हे तुमच्या स्वतःच्या मशीनवर चालणारे एक वास्तविक न्यूरल TTS मॉडेल आहे, होस्ट केलेल्या API साठी पातळ क्लायंट नाही. चार गोष्टींमुळे हे टॅबमध्ये शक्य होते.
वरील ब्राउझर-आधारित मोफत साधन मसुदे आणि पूर्वावलोकनांसाठी उत्तम आहे, परंतु मुक्त-स्रोत आवाज स्पष्टपणे कृत्रिम वाटतो. Subformer च्या सशुल्क Voice Synthesis नैसर्गिक, प्रसारण-मानक ऑडिओ तयार करते आणि ऐच्छिक आवाज क्लोनिंगची सुविधा देते.
Subformer Voice Synthesis वापरून पाहा