ტექსტის მეტყველებად გარდაქმნის კატალოგი

21 388 ხმა. ერთი თარო.

Speakshelf აერთიანებს ტექსტის მეტყველებად გარდაქმნის ხმებს პროვაიდერებისგან: Google Cloud, Amazon Polly, Kokoro და სხვები. თითოეულ ხმას აქვს ნიმუში, რომელსაც ბრაუზერში მოუსმენთ. ანგარიშისა და დაყენების გარეშე, მხოლოდ ხმები.

21 388

ხმები

პროვაიდერები

179

ენები

29 282

მოსასმენი ნიმუშები

4 პროვაიდერი

თითოეულ პროვაიდერს თავისი თარო აქვს: ხმების სრული სია ფილტრებითა და მოსმენის შესაძლებლობით, შენიშვნები მოდელების თითოეულ ოჯახზე და ცალკე გვერდი ყოველი ენისთვის. კატალოგი იზრდება: AI TTS Microservice სულ უფრო მეტ პროვაიდერს აერთიანებს და შემოწმების შემდეგ აქ ახალი თაროები ემატება.

/GOOGLEGoogle Cloud4586ხმა93 ენა · 10 მოდელების ოჯახი · 12 416 ნიმუშიმოდელების ოჯახები Standard და WaveNet, ასევე Chirp 3 და Gemini ხმები, რომლებიც სტილის წერილობით მითითებას მიჰყვება.დათვალიერება →/POLLYAmazon Polly113ხმა42 ენა · 4 მეტყველების ძრავა · 177 ნიმუშიAWS სერვისი ტექსტის მეტყველებად გარდასაქმნელად: Standard, Neural, Generative და Long-form ძრავები.დათვალიერება →/KOKOROKokoro54ხმა9 ენა · 1 მოდელების ოჯახი · 54 ნიმუშიღია წონების მქონე მოდელი, 82 მილიონი პარამეტრი, Apache 2.0 ლიცენზიით.დათვალიერება →/AZUREAzure Speech16 635ხმა161 ენა · 11 მოდელების ოჯახი · 16 635 ნიმუშიAzure Speech ხმები ნეირონულ და Dragon, OpenAI და MAI მოდელების ოჯახებში.დათვალიერება →

რატომ ერთი თარო

კატალოგები მხოლოდ ზომით არ განსხვავდება. მათი გვერდიგვერდ ნახვა გვიჩვენებს, რა აკლიათ, რა აქვთ საერთო და რით გამოირჩევა თითოეული.

მეტი ენობრივი არჩევანი

Amazon Polly გთავაზობთ ენას უელსური, რომელიც Google Cloud კატალოგში არ არის, ასევე რეგიონულ ვარიანტებს, როგორიცაა არაბული (არაბთა გაერთიანებული საამიროები) და არაბული (სტანდარტული). ერთი თარო გვიჩვენებს, რა აქვს თითოეულ პროვაიდერს ისეთი, რაც სხვებს აკლიათ.

მოსმენის ერთი გზა

ყველა თაროზე ერთი და იგივე ფილტრები, დამკვრელი და ხმის იდენტიფიკატორების სტრუქტურაა. სხვადასხვა პროვაიდერის ხმების შესადარებლად ორი დაწკაპუნება კმარა, ორი კონსოლის გახსნა აღარ გჭირდებათ.

თავისით ახლდება

ყველა თარო ყოველდღიურად ახლდება AI TTS Microservice სერვისიდან. ახალი ხმები, ენები და ქვემოდელები საიტზე ხელით ცვლილებების შეტანის გარეშე ჩნდება.

ამ კატალოგის შესახებ

Speakshelf ტექსტის მეტყველებად გარდაქმნის ხმების საცნობარო კატალოგია. ამჟამად აქ 4 პროვაიდერის 21 388 ხმაა 179 ენაზე, თითოეული მოსასმენი ნიმუშით. ხმები მოდელების ოჯახებად და მეტყველების ძრავებად თავად პროვაიდერების დაჯგუფების წესით არის დაყოფილი. ასე მოსმენილი ხმა შეესაბამება იმას, რასაც თქვენს პროდუქტში გამოიყენებთ.

Speakshelf დამოუკიდებელია და კატალოგში წარმოდგენილ არცერთ პროვაიდერთან არ არის დაკავშირებული. ხმების მონაცემები და აუდიო მოდის სერვისიდან AI TTS Microservice, რომელიც Google, Amazon, Azure და სხვა მეტყველების პროვაიდერებს ერთ წვდომის წერტილში აერთიანებს. ნიმუშები მოთხოვნისთანავე გადაიცემა, ამიტომ მოსმენა უფასოა.
AI TTS Microservice არის The Productive Pixel კომპანიის პროდუქტი.