SpeakshelfGoogle Cloud ടെക്സ്റ്റ് ശബ്ദമാക്കൽ
എല്ലാ Google ശബ്ദങ്ങളും ഒരൊറ്റ പേജിൽ.
Google Cloud കാറ്റലോഗിലെ ഓരോ ശബ്ദത്തിന്റെയും സാമ്പിൾ കേൾക്കൂ. മോഡൽ കുടുംബം, ഭാഷ, ലിംഗം എന്നിവ അനുസരിച്ച് ഫിൽട്ടർ ചെയ്യൂ. അക്കൗണ്ടോ സജ്ജീകരണമോ വേണ്ട, ശബ്ദങ്ങൾ കേട്ടുതുടങ്ങാം.
10 മോഡൽ കുടുംബങ്ങൾ
Google പുതിയ ശബ്ദ സാങ്കേതിക ഘടനകൾ പുറത്തിറക്കിക്കൊണ്ടിരിക്കുന്നു. ഓരോ തലമുറയും ഇപ്പോഴും ഉപയോഗത്തിലുണ്ട്. ചെറിയ പാരാമെട്രിക് ശബ്ദങ്ങൾ മുതൽ ഒരു വാക്യംകൊണ്ട് നിർദേശിക്കാവുന്ന മോഡലുകൾ വരെ കാറ്റലോഗിലുണ്ട്.
154 ഭാഷകൾ
ഓരോ ഭാഷയ്ക്കും മുഴുവൻ ശബ്ദപ്പട്ടികയുള്ള പ്രത്യേക പേജുണ്ട്. അതിനാൽ കാറ്റലോഗിലെ ഒരു ശേഖരത്തിലേക്കുള്ള നേരിട്ടുള്ള ലിങ്ക് മറ്റൊരാൾക്ക് നൽകാം.
ഈ കാറ്റലോഗിനെക്കുറിച്ച്
Standard, WaveNet, Chirp 3, Gemini ഉൾപ്പെടെ 10 മോഡൽ കുടുംബങ്ങൾ Google Cloud നൽകുന്നു. Gemini യഥാർത്ഥത്തിൽ 6 മോഡലുകളുടെ കൂട്ടമാണ്: ഓരോ Gemini ശബ്ദവും അതിന്റെ ഏത് ഉപമോഡൽ ഉപയോഗിച്ചും സൃഷ്ടിക്കാം. ഓരോ ഫലത്തിനും ഇവിടെ പ്രത്യേകം സാമ്പിളുണ്ട്. കാറ്റലോഗിലെ മറ്റെല്ലാ ശബ്ദങ്ങൾക്കും സാമ്പിളുകളുണ്ട്.
Speakshelf സ്വതന്ത്രമാണ്. Google Cloud എന്ന ദാതാവുമായി ബന്ധമില്ല. ശബ്ദ വിവരങ്ങളും ഓഡിയോയും AI TTS Microservice വഴിയാണ് ലഭിക്കുന്നത്. Google, Amazon, Azure എന്നിവയെയും മറ്റ് ശബ്ദ ദാതാക്കളെയും ഒരൊറ്റ എൻഡ്പോയിന്റിൽ ഒരുമിപ്പിക്കുന്ന സേവനമാണിത്. സാമ്പിളുകൾ ആവശ്യപ്പെടുമ്പോൾ സ്ട്രീം ചെയ്യുന്നു, അതിനാൽ കേൾക്കുന്നത് സൗജന്യമാണ്.
The Productive Pixel വികസിപ്പിച്ച ഉൽപ്പന്നമാണ് AI TTS Microservice.