In sintesi (BLUF): La sintesi vocale trasforma il testo digitato in voce direttamente nel tuo browser: inserisci il testo, scegli una lingua e una voce e ottieni un file audio. Il testo e l'audio non lasciano mai il tuo dispositivo, non vengono addebitati token e non si paga API qui. Il modello conosce 600+ lingue e una voce può essere clonata dal tuo audio: un file caricato o una registrazione del microfono. Il risultato viene riprodotto nel lettore e scaricato come file WAV.
È la sintesi vocale: entra il testo, esce il suono. Usalo per dare voce a un video con la tua voce o con quella scelta, creare una bozza di traccia di voice over, controllare come suona un testo in un'altra lingua o semplicemente ascoltare un lungo articolo invece di leggerlo.
La consegna è controllata con un'istruzione testuale: lettura calma, un sussurro, gioia o tristezza. L'emozione è impostata insieme al testo anziché con i cursori, quindi il risultato sembra più naturale.
Lo strumento viene fornito con una libreria di voci pronte: maschili e femminili, timbri diversi. Scegli una lingua e una voce e inizia a dare voce.
Se hai bisogno della tua voce, clonala da un breve campione: carica un file audio o registra 15-30 secondi dal microfono. Lo strumento analizza il campione e aggiunge la voce al tuo elenco, dopodiché viene scelta come qualsiasi altra. Le voci create vengono conservate nel browser e sopravvivono al ricaricamento della pagina.
Il testo e l'audio non lasciano mai il tuo computer: nessuna riga arriva al nostro server o a quello di chiunque altro. Il modello viene caricato nel browser una volta (circa 3 GB di pesi) e viene quindi prelevato dalla cache, mentre il calcolo viene eseguito sulla scheda grafica fino a WebGPU. Se la scheda grafica non è disponibile, il motore ritorna onestamente al processore e te lo informa, il che è notevolmente più lento.
Nessun token viene addebitato per la voce: è uno strumento gratuito che gira sul tuo hardware, non sul nostro.
Il campo di input può contenere fino a 20.000 caratteri. Il testo lungo viene suddiviso in parti lungo i confini della frase e doppiato uno dopo l'altro con brevi pause: il ritmo rimane uniforme indipendentemente dalla lunghezza e alla fine non si perde nulla. La barra di avanzamento mostra quale parte viene letta.
Puoi annullare in qualsiasi momento: dopo l'annullamento, inizia subito una nuova esecuzione, senza ricaricare la pagina.
Lo strumento funziona meglio in Chrome o Edge su desktop, dove è disponibile WebGPU. Nei browser senza WebGPU la voce viene generata sul processore (WASM): funziona ancora, ma notevolmente più lentamente, soprattutto per i testi lunghi.
La prima esecuzione richiede più tempo: i pesi vengono scaricati e la voce viene riscaldata in modo che il primissimo risultato suoni già pulito. Le corse successive sono molto più veloci.
SÌ. Il modello e i suoi pesi vengono caricati nel browser e il calcolo viene eseguito sul tuo dispositivo. Il testo, la registrazione del microfono e l'audio risultante non vengono mai caricati: lo strumento non ha alcun pagamento API.
Niente. Non vengono addebitati token: è uno strumento gratuito che calcola sul tuo computer.
SÌ. Il campo di input può contenere fino a 20.000 caratteri e il testo lungo viene doppiato in parti consecutive, quindi nulla va perduto.
Carica un file audio con un campione vocale o registra 15-30 secondi dal microfono. Lo strumento analizza il campione e la voce appare nel tuo elenco: con essa puoi esprimere qualsiasi testo.
Significa che il browser non ha potuto utilizzare la scheda grafica (WebGPU) e il motore è passato al processore: più lento, ma con lo stesso risultato. Puoi ricaricare la pagina e riprovare: a quel punto la scheda grafica è spesso libera.
600+ lingue. Puoi scegliere la lingua manualmente o lasciare attivo il rilevamento automatico.