Crea la voce più in fretta
di quanto si parla.
Ocelot è un piccolo modello distillato dal modello di sintesi vocale Qwen3-TTS.
Ocelot è un piccolo modello di sintesi vocale: trasforma il testo in voce. Premendo il pulsante, il nastro in alto avanza con il tempo di generazione realmente impiegato; quello in basso avanza alla velocità dell'audio.
—volte più veloce
È piccolo:
gira ovunque.
È fatto di due piccole reti: una crea dal testo il progetto della voce (il mel-spettrogramma), l'altra lo trasforma in onda sonora. Scorrendo, l'inquadratura si allarga e si vede la differenza di dimensioni con gli altri modelli.
* La velocità su smartphone è in corso di misurazione. provvisorio
20 lingue,
da ascoltare.
In ogni lingua gli abbiamo fatto leggere un testo breve, uno medio e uno lungo, con lo stesso contenuto. Premete una forma d'onda per ascoltarla. Si può scegliere tra 3 voci (ne arriveranno altre). Durante l'ascolto, una linea sovrapposta disegna l'andamento dell'altezza della voce.
Premendo una forma d'onda, qui compare il testo letto.
* Sono tutti audio generati davvero su CPU durante le misure di questa pagina, così come sono (senza montaggio). I testi sono di fantasia.
Fategli leggere
il vostro testo.
Scrivete un testo, scegliete la lingua e la voce e premete il pulsante. L'audio viene generato all'istante, sulla CPU di questo server. Fino a 200 caratteri.
* La lingua non viene riconosciuta automaticamente: scegliete quella in cui è scritto il testo. Numeri, abbreviazioni e nomi propri stranieri possono essere letti male.
Anche con testi lunghi,
la stessa velocità.
Per tutti i 180 audio: la durata dell'audio (in orizzontale) e il tempo di generazione (in verticale). Tutti i punti stanno sotto la linea di un decimo del tempo di parlato.
Cambiando il numero di thread della CPU
Se ascolta una macchina,
si capisce?
È il «tasso di errore sui caratteri»: l'audio generato viene ritrascritto con un riconoscimento vocale (Whisper large-v3-turbo) e confrontato con il testo di partenza. Più è basso, più la lettura è chiara.
Dal testo
alla voce.
Mostriamo le 4 fasi con una frase reale. Mentre scorrete, la forma cambia da sinistra a destra.
Testo
Simboli fonetici
Progetto della voce
Onda sonora
- La conversione in simboli fonetici usa dizionari dedicati per giapponese, inglese e croato, ed espeak-ng per le altre 17 lingue.
- La lingua viene passata al modello come «numero del parlante». Un solo modello legge in 20 lingue.
- I testi lunghi vengono generati frase per frase e uniti con una pausa di 0,25 secondi.