Kort fortalt (BLUF): Tekst til tale gjør innskrevet tekst til stemme rett i nettleseren din: skriv inn teksten, velg et språk og en stemme, og få en lydfil. Teksten og lyden forlater aldri enheten din, ingen tokens belastes og det er ingen betalte API her. Modellen kan 600+ språk, og en stemme kan klones fra din egen lyd - en opplastet fil eller et mikrofonopptak. Resultatet spilles av i spilleren og lastes ned som en WAV-fil.
Det er talesyntese: tekst går inn, lyd kommer ut. Bruk den til å stemme en video med din egen eller en valgt stemme, lage et utkast til voice-over-spor, sjekke hvordan en tekst høres ut på et annet språk, eller bare lytte til en lang artikkel i stedet for å lese den.
Leveringen styres med en tekstinstruksjon: rolig lesing, en hvisking, glede eller tristhet. Følelsen settes sammen med teksten i stedet for med glidebrytere, så resultatet høres mer naturlig ut.
Verktøyet leveres med et bibliotek av klare stemmer - mannlige og kvinnelige, forskjellige klangfarger. Velg et språk og en stemme og begynn å stemme.
Hvis du trenger din egen stemme, kan du klone den fra en kort prøve: last opp en lydfil eller ta opp 15–30 sekunder fra mikrofonen. Verktøyet analyserer prøven og legger stemmen til listen din - etter det velges den som alle andre. Opprettede stemmer holdes i nettleseren og overlever en sideinnlasting.
Teksten og lyden forlater aldri datamaskinen din: ikke en linje går til vår server eller til noen andres. Modellen lastes inn i nettleseren én gang (omtrent 3 GB av vekter) og tas deretter fra cachen, mens beregningen kjører på grafikkortet ditt gjennom WebGPU. Hvis grafikkortet ikke er tilgjengelig, faller motoren ærlig tilbake til prosessoren og forteller deg om det - det er merkbart tregere.
Ingen tokens belastes for tale: det er et gratis verktøy som kjører på maskinvaren din, ikke på vår.
Inndatafeltet kan inneholde opptil 20 000 tegn. Lang tekst deles opp i deler ved setningsgrenser og stemmes etter hverandre med korte pauser - tempoet holder seg jevnt uansett lengde og ingenting går tapt på slutten. Fremdriftslinjen viser hvilken del som leses.
Du kan avbryte når som helst: etter avbryting starter en ny kjøring med en gang, uten å laste inn siden på nytt.
Verktøyet fungerer best i Chrome eller Edge på et skrivebord, der WebGPU er tilgjengelig. I nettlesere uten WebGPU genereres stemmen på prosessoren (WASM): den fungerer fortsatt, men merkbart tregere, spesielt for lang tekst.
Den første løpeturen tar lengre tid: vektene lastes ned og stemmen varmes opp slik at det aller første resultatet allerede høres rent ut. Senere løp er mye raskere.
Ja. Modellen og dens vekter lastes inn i nettleseren og beregningen kjører på enheten din. Teksten, mikrofonopptaket og den resulterende lyden blir aldri lastet opp - verktøyet har ingen betalte API i det hele tatt.
Ikke noe. Ingen tokens belastes: det er et gratis verktøy som beregner på datamaskinen din.
Ja. Inndatafeltet kan inneholde opptil 20 000 tegn, og lang tekst stemmes i påfølgende deler slik at ingenting går tapt.
Last opp en lydfil med et stemmeeksempel eller ta opp 15–30 sekunder fra mikrofonen. Verktøyet analyserer prøven og stemmen vises i listen din - du kan stemme hvilken som helst tekst med den.
Det betyr at nettleseren ikke kunne bruke grafikkortet (WebGPU) og motoren byttet til prosessoren - tregere, men samme resultat. Du kan laste inn siden på nytt og prøve igjen: grafikkortet er ofte ledig da.
600+ språk. Du kan velge språk manuelt eller la automatisk gjenkjenning være på.