GOOGLE CLOUD টেক্সট টু স্পিচ
Google-এর প্রতিটি কণ্ঠ, এক পাতায়।
Google Cloud ক্যাটালগের প্রতিটি কণ্ঠের নমুনা শুনুন। মডেল পরিবার, ভাষা ও লিঙ্গ দিয়ে ফিল্টার করুন। কোনো অ্যাকাউন্ট নেই, কোনো সেটআপ নেই, শুধু কণ্ঠ।
১০ মডেল পরিবার
Google নতুন নতুন স্পিচ আর্কিটেকচার আনতেই থাকে, আর প্রতিটি প্রজন্ম এখনো চালু। ক্যাটালগ ছোট প্যারামেট্রিক কণ্ঠ থেকে শুরু করে এক বাক্যে নির্দেশ দেওয়া যায় এমন মডেল পর্যন্ত বিস্তৃত।
৯৩টি ভাষা
প্রতিটি ভাষার নিজস্ব পাতা আছে, কণ্ঠের পুরো তালিকাসহ, যাতে কাউকে সরাসরি ক্যাটালগের একটি তাকের লিংক পাঠানো যায়।
এই ক্যাটালগ সম্পর্কে
Google Cloud ক্যাটালগে ১০টি মডেল পরিবার আছে, যার মধ্যে রয়েছে Standard, WaveNet, Chirp 3 ও Gemini। 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 Cloud-এর 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 স্ট্রিম হয়, তাই শোনা বিনামূল্যে।
AI TTS Microservice হলো The Productive Pixel-এর একটি পণ্য।