Membuat suara
lebih cepat daripada berbicara.
Ocelot adalah model kecil hasil distilasi dari model sintesis suara Qwen3-TTS.
Ocelot adalah model teks-ke-suara kecil yang mengubah tulisan menjadi suara. Tekan tombol: pita atas bergerak sesuai waktu pembuatan yang sebenarnya, pita bawah bergerak secepat suaranya.
—× lebih cepat
Karena kecil,
jalan di mana saja.
Ocelot terdiri atas dua jaringan kecil: bagian yang membuat rancangan suara (mel-spektrogram) dari tulisan, dan bagian yang mengubahnya menjadi gelombang suara. Saat Anda menggulir, tampilan menjauh dan perbedaan ukurannya dengan model lain mulai terlihat.
* Kecepatan di ponsel sedang diukur. sementara
20 bahasa,
coba dengarkan.
Untuk setiap bahasa, kami membacakan teks pendek, sedang, dan panjang dengan isi yang sama. Tekan gelombang untuk memutarnya. Suara bisa dipilih dari 3 jenis (jenis suara akan bertambah). Selama pemutaran, gerak tinggi-rendah nada digambar sebagai garis di atasnya.
Tekan gelombang, dan teks yang dibacakan muncul di sini.
* Semuanya suara yang benar-benar dibuat di CPU saat angka di halaman ini diukur, apa adanya (tanpa penyuntingan). Isi teks fiktif.
Minta ia membacakan
teks Anda sendiri.
Ketik teks, pilih bahasa dan suara, lalu tekan tombol. Suara dibuat saat itu juga, di CPU server ini. Paling banyak 200 karakter.
* Bahasa tidak dikenali secara otomatis: pilih bahasa yang sama dengan teksnya. Angka, singkatan, dan nama diri asing bisa salah dibaca.
Teks panjang pun,
sama cepatnya.
Panjang suara (mendatar) dan waktu pembuatan (tegak) untuk seluruh 180 sampel. Semua titik berada di bawah garis sepersepuluh waktu bicara.
Jika jumlah thread CPU diubah
Didengar mesin pun,
apakah tersampaikan?
Suara yang dibuat dikembalikan menjadi tulisan dengan pengenalan suara (Whisper large-v3-turbo), lalu dibandingkan dengan teks asli: inilah “tingkat kesalahan karakter”. Makin kecil, makin jelas bacaannya.
Dari tulisan
sampai jadi suara.
Empat tahap kami perlihatkan dengan satu kalimat nyata. Seiring Anda menggulir, bentuknya berubah berurutan dari kiri.
Teks
Simbol fonetik
Rancangan suara
Gelombang suara
- Konversi ke simbol fonetik memakai kamus khusus untuk bahasa Jepang, Inggris, dan Kroasia, serta espeak-ng untuk 17 bahasa lainnya.
- Bahasa diberikan ke model sebagai “nomor penutur”. Satu model membacakan 20 bahasa.
- Teks panjang dibuat per kalimat, lalu disambung dengan jeda 0.25 detik.