Generuj mowę bezpośrednio w przeglądarce
Zamień pisany tekst na mówiony dźwięk za pomocą modelu głosu neuronowego, który działa na Twoim urządzeniu.
Wybierz głos, dostosuj prędkość mówienia, wygeneruj dźwięk i pobierz wynik bez wysyłania tekstu do zdalnego API wnioskowania zamiany tekstu na mowę.
Krótsze fragmenty zazwyczaj generują się szybciej i łatwiej je odsłuchać.
Processing Information
Local ExecutionOn this device
Kokoro 82M
WebAssembly
No
Yes (WAV)
Jak to działa
Generuj mowę w czterech krokach
Tryb neuronowy uruchamia model zamiany tekstu na mowę w przeglądarce zamiast wysyłać każde żądanie generowania do zdalnego API TTS.
Wprowadź tekst
Wklej skrypt, akapit, notatkę lub inny tekst, który chcesz usłyszeć.
Wybierz głos
Wybierz dostępny głos neuronowy oraz język odpowiadający Twojemu tekstowi.
Generuj mowę
Model mowy przetwarza tekst na Twoim urządzeniu i tworzy przebieg fali dźwiękowej.
Słuchaj lub pobierz
Odsłuchaj wygenerowany dźwięk w przeglądarce i pobierz plik WAV, gdy chcesz go zachować.
Dlaczego TTS na urządzeniu
Generator głosu zaprojektowany wokół przetwarzania lokalnego
Twój tekst nie trafia do zdalnego żądania TTS
Generowanie mowy neuronowej odbywa się za pomocą modelu działającego w przeglądarce, dzięki czemu tekst nie musi być przesyłany do zewnętrznego API wnioskowania tekst-na-mowę.
Pobieraj prawdziwy wygenerowany dźwięk
Tryb neuronowy tworzy przebieg fali dźwiękowej, którą można odsłuchać i zapisać jako plik WAV.
Brak wymogu klucza API mowy
Nie musisz łączyć zewnętrznego konta zamiany tekstu na mowę ani podawać klucza API TTS.
Awaryjny głos systemowy
Jeśli model neuronowy nie jest praktyczny na Twoim urządzeniu, nadal możesz korzystać z głosów udostępnianych przez przeglądarkę lub system operacyjny.
Głos neuronowy a głos systemowy
Głos neuronowy
- Używa lokalnego modelu mowy ładowanego w przeglądarce
- Tworzy dźwięk z możliwością pobrania
- Może wymagać większego pobierania pliku modelu przy pierwszym użyciu
- Wydajność zależy od Twojego urządzenia
Głos systemowy
- Używa głosów udostępnianych przez przeglądarkę lub system operacyjny
- Zazwyczaj uruchamia się szybciej
- Dostępność głosów różni się w zależności od urządzenia
- Przetwarzanie może być lokalne lub korzystać z usługi platformy
- Pobieranie pliku dźwiękowego nie jest gwarantowane
Zastosowania
Przydatne sposoby zamiany tekstu na mowę
Odsłuchiwanie skryptów
Posłuchaj narracji, skryptów wideo, prezentacji lub dialogów przed nagraniem.
Korekta poprzez odsłuch
Usłyszenie tekstu na głos ułatwia zauważenie niezręcznych sformułowań, brakujących słów czy problemów z rytmem.
Tworzenie wersji roboczych narracji
Wygeneruj tymczasową ścieżkę głosową do prototypów, wersji demonstracyjnych, prezentacji lub procesów edycji.
Słuchanie notatek i materiałów do nauki
Zamień materiały pisane w dźwięk, gdy słuchanie jest wygodniejsze niż czytanie.
Testowanie wymowy i tempa
Porównaj głosy i prędkości mówienia, aby usłyszeć, jak brzmi tekst przed użyciem go gdzie indziej.
Korzystaj z wygenerowanej mowy w sposób odpowiedzialny
Wygenerowany dźwięk może brzmieć naturalnie. Nie używaj go do wprowadzania ludzi w błąd co do tego, kto mówi, podszywania się pod inne osoby, popełniania oszustw lub tworzenia mylących reprezentacji rzeczywistych osób.
- Nie przedstawiaj wygenerowanego dźwięku jako nagrania prawdziwej osoby, jeśli nią nie jest.
- Nie używaj głosów ani treści w sposób naruszający obowiązujące prawa lub umowy.
- Rozważ ujawnienie syntetycznego charakteru dźwięku, jeśli w danym kontekście słuchacze mogliby zostać wprowadzeni w błąd.
- Zapoznaj się z regulaminem każdej platformy, na której planujesz publikować wygenerowany dźwięk.
O czym warto pamiętać przed wygenerowaniem
Pierwsze użycie może potrwać dłużej
Neuronowy TTS wymaga załadowania plików modelu przed rozpoczęciem generowania.
Wydajność zależy od urządzenia
Szybkość generowania zależy od obsługi przeglądarki, dostępnej pamięci, możliwości procesora CPU lub GPU, długości tekstu oraz formatu modelu.
Wymowa nie zawsze musi być poprawna
Nazwa własne, skróty, nietypowa pisownia, terminologia techniczna oraz tekst dwujęzyczny mogą być wymawiane inaczej niż oczekiwano.
Dostępność głosów może się różnić
Dostępne głosy neuronowe i systemowe zależą od wybranej wersji modelu oraz środowiska urządzenia.
Wygenerowana mowa nie jest nagraniem człowieka
Głos neuronowy to dźwięk syntetyczny wygenerowany z tekstu.
Prywatność
Jak przetwarzany jest Twój tekst
Głos neuronowy
Generowanie mowy zostało zaprojektowane tak, aby działać w Twojej przeglądarce przy użyciu załadowanego modelu TTS. Twój tekst nie musi być wysyłany do zdalnego API wnioskowania.
Pobieranie modeli
Twoja przeglądarka musi pobrać pliki modelu i głosu przed rozpoczęciem lokalnego generowania. Pliki te mogą być buforowane przez przeglądarkę, jeśli jest to obsługiwane.
Głos systemowy
Głos systemowy korzysta z usługi mowy udostępnianej przez Twoją przeglądarkę lub system operacyjny. To, czy ta usługa jest w pełni lokalna, zależy od wybranego głosu, przeglądarki, systemu operacyjnego i konfiguracji urządzenia.
Dane witryny
Lokalne generowanie mowy nie oznacza, że cała strona działa bez aktywności sieciowej. Zapoznaj się z naszą Polityką prywatności, aby uzyskać aktualne informacje na temat analityki, logów, plików cookie i innych usług witryny.
FAQ
Często zadawane pytania
Odpowiedzi dotyczące lokalnego generowania mowy, pobierania modeli, prywatności, plików dźwiękowych i zgodności urządzeń.
Zamień swój tekst w mowę
Wybierz głos neuronowy, wygeneruj dźwięk na swoim urządzeniu i pobierz wynik, gdy będzie gotowy.