Stem maken gaat
sneller dan praten.
Ocelot is een klein model dat is gedestilleerd uit het spraaksynthesemodel Qwen3-TTS.
Ocelot is een klein tekst-naar-spraakmodel dat tekst omzet in voorgelezen audio. Drukt u op de knop, dan loopt de bovenste band in de tijd die het genereren echt kostte en de onderste band op de snelheid van de audio zelf.
—× sneller
Zo klein dat het
overal draait.
Ocelot bestaat uit twee kleine netwerken: het ene maakt van tekst een bouwtekening van de stem (een mel-spectrogram), het andere maakt daar een geluidsgolf van. Als u scrolt, zoomt het beeld uit en ziet u het verschil in grootte met andere modellen.
* De snelheid op smartphones meten we nog. voorlopig
20 talen:
luister zelf.
In elke taal lieten we dezelfde korte, middellange en lange tekst voorlezen. Tik op een golfvorm om die af te spelen. U kiest uit drie stemmen (er komen er later meer bij). Tijdens het afspelen tekenen we het verloop van de toonhoogte er als lijn overheen.
Tik op een golfvorm; hier verschijnt dan de tekst die wordt voorgelezen.
* Alles is de audio zoals die echt op een CPU is gegenereerd toen we de cijfers op deze pagina maten (onbewerkt). De inhoud van de teksten is verzonnen.
Laat het
uw eigen tekst lezen.
Typ een tekst, kies de taal en de stem en druk op de knop. De audio wordt ter plekke gemaakt, op de CPU van deze server. Maximaal 200 tekens.
* De taal wordt niet automatisch herkend: kies de taal waarin de tekst geschreven is. Getallen, afkortingen en buitenlandse eigennamen worden soms verkeerd gelezen.
Ook bij lange tekst
even snel.
Van alle 180 fragmenten: de lengte van de audio (horizontaal) tegen de tijd die het genereren kostte (verticaal). Elk punt ligt onder de lijn van een tiende van de spreektijd.
Met een ander aantal CPU-threads
Komt het ook bij
een machine over?
We lieten spraakherkenning (Whisper large-v3-turbo) de gegenereerde audio terugzetten naar tekst en vergeleken die met het origineel: het ‘foutpercentage per teken’. Hoe lager, hoe duidelijker de uitspraak.
Van tekst
tot stem.
We laten de vier stappen zien aan de hand van één echte zin. Terwijl u scrolt, verandert de vorm stap voor stap, van links naar rechts.
Tekst
Fonetische tekens
Bouwtekening van de stem
Geluidsgolf
- De omzetting naar fonetische tekens gebeurt voor Japans, Engels en Kroatisch met eigen woordenboeken en voor de andere 17 talen met espeak-ng.
- De taal gaat als ‘sprekernummer’ naar het model. Eén model leest zo 20 talen voor.
- Lange tekst wordt per zin gegenereerd en aan elkaar gezet met pauzes van 0,25 seconde.