VibeVoice - 텍스트 음성 변환

VibeVoice는 6개 스피커 보이스를 제공합니다: Frank, Wayne, Carter, Emma, Grace, Mike. 각 보이스는 내레이션부터 캐릭터 보이스까지 다양한 콘텐츠 유형에 맞는 고유한 특징이 있습니다.

CFG(분류기 없는 가이던스) 스케일은 생성된 음성이 입력 텍스트에 얼마나 밀접하게 따르는지를 제어합니다. 높은 값(최대 3.0)은 텍스트 준수를 높이고, 낮은 값(최소 0.5)은 더 창의적인 변화를 허용합니다. 기본값은 균형 잡힌 결과를 위해 1.3입니다.

시드 매개변수는 생성에서 무작위성을 제어할 수 있게 해줍니다. 동일한 시드 값과 동일한 텍스트를 사용하면 동일한 결과가 생성되며, 이는 재현 가능한 생성과 테스트에 유용합니다.

VibeVoice는 24kHz 샘플 레이트로 오디오를 생성하여 고품질, 명료하고 자연스러운 음성을 제공합니다. 출력은 전문 내레이션 작업과 콘텐츠 생성에 적합합니다.

VibeVoice는 빠른 생성을 위해 최적화되어 있어 실시간 애플리케이션과 대화형 미디어에 적합합니다. 생성 속도는 텍스트 길이와 서버 부하에 따라 달라지지만, 일반적으로 몇 초 안에 완료됩니다.

네, YouTube 비디오, 팟캐스트, e러닝, 오디오북, 광고 등 포함한 상업용 프로젝트에 VibeVoice로 생성된 오디오를 사용할 수 있습니다. 사용 사례에 대한 구체적인 라이선스 조항을 확인하세요.

VibeVoice는 긴 텍스트 입력을 지원합니다. 매우 긴 텍스트의 경우 최적의 성능을 위해 여러 세그먼트로 나누는 것을 고려하세요. 가격은 1000자마다 계산됩니다.

VibeVoice는 텍스트 1000자마다 6 크레딧을 청구합니다. 1000자 미만의 텍스트는 1000으로 반올림됩니다. 이로 인해 가장 비용 효율적인 TTS 솔루션 중 하나가 됩니다.