VibeVoice - Текст в Речь

VibeVoice предлагает 6 голосов дикторов: Frank, Wayne, Carter, Emma, Grace и Mike. У каждого голоса уникальные характеристики, подходящие для разных типов контента, от наррации до голосов персонажей.

Масштаб CFG (Classifier-Free Guidance) контролирует, насколько тесно сгенерированная речь следует за входным текстом. Более высокие значения (до 3.0) увеличивают соответствие тексту, тогда как более низкие значения (до 0.5) позволяют больше творческого разнообразия. Значение по умолчанию 1.3 для сбалансированных результатов.

Параметр сида позволяет вам контролировать рандомизацию в генерации. Использование одного и того же значения сида с тем же текстом создаст идентичные результаты, что полезно для воспроизводимой генерации и тестирования.

VibeVoice генерирует аудио с частотой дискретизации 24kHz, обеспечивая речь высокого качества, четкую и естественную. Вывод подходит для профессиональной работы озвучки и создания контента.

VibeVoice оптимизирован для быстрой генерации, что делает его подходящим для приложений в реальном времени и интерактивных медиа. Скорость генерации зависит от длины текста и нагрузки сервера, но обычно завершается за секунды.

Да, вы можете использовать аудио, сгенерированное VibeVoice, для коммерческих проектов, включая видео на YouTube, подкасты, электронное обучение, аудиокниги, рекламу и многое другое. Проверьте конкретные условия лицензирования для вашего случая использования.

VibeVoice поддерживает ввод длинного текста. Для очень длинных текстов рассмотрите возможность разделения на несколько сегментов для оптимальной производительности. Ценообразование рассчитывается на 1000 символов.

VibeVoice взимает 6 кредитов за каждые 1000 символов текста. Текст менее 1000 символов округляется до 1000. Это делает его одним из самых экономичных решений TTS.