Jakikolwiek głos.
Jakakolwiek długość.
Trzy kształty generowania mowy - sklonować głos w sekundach z krótkiego klipu odniesienia, renderować wysokiej jakości neutralny TTS w szybko- niż-real- czas, lub produkować godzinowe audiobooki i wielościeżnicy podcasty. Wszystkie na-urządzeniu.
Trzy smaki syntezy.
klonowanie zeroshot dla zindywidualizowanych głosów, szybkie neutralne TTS dla aplikacji UI, lub długie formy narracji i dialogu. Różne silniki, ten sam stos na urządzeniu.
Klonować głos z krótkiego klipu odniesienia. Użyj IndexTTS2 dla rodzimych MLX klonowanie z emocjami i kontrolami tempa, CosyVoice 3 dla wielojęzycznego zeroshot uwarunkowany transkrypcją, Chatterbox Flash for CoreMLlub Qwen3-TTS ICL dla EN / ZH.
Wysokiej jakości neutralna mowa, szybsza niż w czasie rzeczywistym. Kompaktowe pakiety dla aplikacji UI, dostępność, narracja w aplikacji.
Rozdziały Audiobook ze stałym narratorem lub podcastami wielowarstwowymi do 90 min z tagami głośników inline.