Catálogo de voces de síntese

21.388 voces. Un só andel.

Speakshelf reúne as voces de síntese de Google Cloud, Amazon Polly, Kokoro e outros provedores. Cada voz ten unha mostra que podes escoitar no navegador. Sen conta nin configuración, só voces.

21.388

Voces

Provedores

179

Idiomas

29.282

Mostras reproducibles

4 provedores

Cada provedor ten o seu andel completo: todas as voces con filtros e reprodución, notas sobre cada familia de modelos e unha páxina por idioma. O catálogo medra: AI TTS Microservice incorpora máis provedores, que aparecen aquí tras a súa verificación.

/GOOGLEGoogle Cloud4.586voces93 idiomas · 10 familias de modelos · 12.416 mostrasFamilias de modelos desde Standard e WaveNet ata Chirp 3 e Gemini, con voces que seguen instrucións de estilo escritas.Explorar →/POLLYAmazon Polly113voces42 idiomas · 4 motores · 177 mostrasO servizo de síntese de voz de AWS: motores Standard, Neural, Generative e Long-form.Explorar →/KOKOROKokoro54voces9 idiomas · 1 familia de modelos · 54 mostrasUn modelo con pesos abertos e 82 millóns de parámetros baixo a licenza Apache 2.0.Explorar →/AZUREAzure Speech16.635voces161 idiomas · 11 familias de modelos · 16.635 mostrasVoces de Azure Speech de familias de modelos neuronais, Dragon, OpenAI e MAI.Explorar →

Por que un só andel

Os catálogos non só difiren no tamaño. Velos xuntos permite descubrir as diferenzas, as coincidencias e o carácter de cada un.

Máis cobertura entre todos

Amazon Polly ofrece galés, que non está dispoñible en Google Cloud, ademais de variantes rexionais como alemán (Austria) e alemán (Suíza). Un só andel amosa o que ten cada provedor que lles falta aos demais.

Unha mesma forma de escoitar

Os mesmos filtros, o mesmo reprodutor e o mesmo esquema de identificadores en cada andel. Compara voces de distintos provedores con dous clics, sen abrir dúas consolas.

Actualízase por si só

Cada andel actualízase a diario desde AI TTS Microservice. As novas voces, idiomas e submodelos aparecen aquí sen ter que editar o sitio.

Acerca deste catálogo

Speakshelf é un catálogo de referencia de voces de síntese. Actualmente reúne 21.388 voces de 4 provedores en 179 idiomas, cada unha cunha mostra reproducible. As voces agrúpanse nas mesmas familias de modelos e motores que usan os seus provedores, para que o que escoitas corresponda co que empregarías.

Speakshelf é independente e non está afiliado a ningún dos provedores do catálogo. Os datos das voces e o audio proceden de AI TTS Microservice, un servizo que reúne Google, Amazon, Azure e outros provedores de síntese de voz nun único punto de acceso. As mostras transmítense baixo demanda, polo que escoitalas é de balde.
AI TTS Microservice é un produto de The Productive Pixel.