Google-এর প্রতিটি কণ্ঠ, এক পাতায়।

ক্লাউড প্রোভাইডারদের মধ্যে Google Cloud টেক্সট টু স্পিচের অন্যতম বৃহৎ ক্যাটালগ চালায়। এতে ১০টি মডেল পরিবার: নিউরাল কণ্ঠকে মূলধারায় আনা WaveNet থেকে শুরু করে Gemini কণ্ঠ পর্যন্ত, যেগুলো আপনার বর্ণনা করা সুর অনুযায়ী পরিবেশনা বদলায়। Gemini আসলে এক-এ ৪টি মডেল: প্রতিটি Gemini কণ্ঠ যেকোনো সাব-মডেল দিয়ে রেন্ডার হতে পারে, আর প্রতিটি রেন্ডারের এখানে নিজস্ব নমুনা আছে। ক্যাটালগের বাকি প্রতিটি কণ্ঠেরও নমুনা আছে।

Speakshelf স্বাধীন এবং Google, Amazon বা Kokoro প্রকল্পের সঙ্গে সম্পর্কিত নয়। কণ্ঠের তথ্য ও অডিও আসে AI TTS Microservice থেকে, যে সেবাটি Google, Amazon, Azure ও অন্যান্য স্পিচ প্রোভাইডারকে একটিমাত্র প্রবেশপথের পেছনে এক করে। নমুনা চাহিদামতো তৈরি হয়, তাই শোনা বিনামূল্যে।