Llasa-1B

Llasa-1B é um modelo de texto para fala (TTS) baseado em LLaMA, que suporta a síntese de voz em chinês e inglês.

Produto ComumOutrosTexto para falaSíntese de voz

Llasa-1B é um modelo de texto para fala desenvolvido pelo Laboratório de Áudio da Universidade de Ciência e Tecnologia de Hong Kong. Baseado na arquitetura LLaMA, ele combina marcadores de fala do código XCodec2 para converter texto em fala natural e fluente. O modelo foi treinado em 250.000 horas de dados de voz em chinês e inglês, suportando a geração de voz a partir de texto puro ou utilizando prompts de voz fornecidos. Sua principal vantagem é a capacidade de gerar voz multilíngue de alta qualidade, adequada para diversas aplicações de síntese de voz, como audiolivros e assistentes de voz. Este modelo utiliza a licença CC BY-NC-ND 4.0 e seu uso comercial é proibido.

Best AI Websites & Tools

Llasa-1B

Llasa-1B Situação do Tráfego Mais Recente

Llasa-1B Tendência de Visitas

Llasa-1B Distribuição Geográfica das Visitas

Llasa-1B Fontes de Tráfego

Llasa-1B Alternativas

Llasa-1B — Llasa-1B é um modelo de texto para fala (TTS) baseado em LLaMA, que suporta a síntese de voz em chinês e inglês.

Llasa-3B — Llasa-3B é um modelo de síntese de texto para fala (TTS) baseado em LLaMA, que suporta a geração de voz em chinês e inglês.

Kokoro-82M — Modelo de texto para fala (TTS) de ponta com 82 milhões de parâmetros.

F5-TTS — Modelo de síntese de texto para fala (TTS) de alta qualidade baseado em aprendizado profundo

Blogcast — Software de texto para fala com inteligência artificial

HunyuanVideo-I2V — HunyuanVideo-I2V é uma estrutura de geração de imagem para vídeo lançada pela Tencent, baseada no HunyuanVideo.

Llasa — Modelo básico de TTS baseado na estrutura Llama, compatível com 160.000 horas de dados de voz tokenizados.

Octave TTS — O Octave TTS é o primeiro modelo de síntese de voz capaz de entender o significado do texto, gerando voz rica em emoção e estilo.

IndexTTS — Sistema de texto para voz (TTS) de amostra zero, eficiente e controlável em nível industrial

Wan — Wan é um modelo de geração de vídeo visualmente avançado desenvolvido pelo Alibaba DAMO Academy, capaz de gerar vídeos com base em texto, imagens e outros sinais.

SkyReels-V1-Hunyuan-I2V — SkyReels V1 é um modelo de vídeo base, de código aberto e centrado no ser humano, focado na geração de vídeos de alta qualidade com nível cinematográfico.

SkyReels-V1 — SkyReels-V1 é o primeiro modelo de base de vídeo centrado em humanos de código aberto, focado na geração de vídeos de alta qualidade.

DeepScaleR-1.5B-Preview — Modelo de linguagem grande otimizado por aprendizado por reforço, focado na melhoria da capacidade de resolução de problemas matemáticos.

Zonos-v0.1-híbrido — Zonos-v0.1-híbrido é um modelo de texto para fala (TTS) de código aberto líder, capaz de fornecer serviços de síntese de voz de alta qualidade.

Zonos-v0.1 — Zonos-v0.1 é um modelo de texto para fala (TTS) em tempo real com capacidade de clonagem de voz de alta fidelidade.

TurboTTS — TurboTTS é uma ferramenta gratuita de conversão de texto para fala online que oferece síntese de voz de alta qualidade e semelhante à humana.

YuE — YuE é um modelo de base de música de código aberto focado na geração de músicas completas, capaz de gerar obras musicais completas com base em letras.

Modelo de Geração de Voz CosyVoice 2.0-0.5B — Modelo de síntese de voz eficiente e multilíngue

Allegro-TI2V — Modelo de geração de vídeo a partir de texto e imagem

OuteTTS-0.2-500M — Modelo de síntese de texto para fala de alto desempenho

hertz-dev — Modelo base de geração de áudio full-duplex de código aberto

CogView3-Plus-3B — Modelo de geração de imagem a partir de texto, com suporte à geração de imagens em alta resolução.

Open NotebookLM — Converta qualquer PDF em um conjunto de podcasts!

Llama 3.2 3b Voice — Ferramenta de síntese de voz que utiliza o modelo Llama.

pdf-para-podcast — Converte qualquer documento PDF em um programa de podcast.

VALL-E 2 — Tecnologia de síntese de voz desenvolvida pelo Microsoft Research Asia.

Qwen2.5 — Modelo de linguagem grande de código aberto, suportando múltiplos idiomas e aplicações em áreas profissionais.

g1 — Criação de uma cadeia de raciocínio semelhante ao o1 da OpenAI no Groq usando o modelo de código aberto Llama-3.1 70b.

OptiSpeech — Modelo de texto para fala leve e de ponta a ponta

CogVideoX — Modelo de geração de vídeo a partir de texto