แปลงข้อความเป็นเสียงพากย์ AI ที่ฟังเป็นธรรมชาติ
วางข้อความแล้ว Miso One จะแปลงข้อความเป็นเสียงพากย์ AI ที่ฟังเป็นธรรมชาติภายในไม่กี่วินาที คลังเสียงครอบคลุมภาษาอังกฤษ จีน ญี่ปุ่น เกาหลี สเปน และโปรตุเกส และโคลนเสียงได้เมื่อคุณมีสิทธิ์ใช้เสียงนั้น ทดลองใช้ฟรีด้วยบัญชีฟรี สูงสุด 120 ตัวอักษรต่อการสร้าง แล้วดาวน์โหลด MP3 โมเดลเปิด Miso TTS 8B สำหรับรันในเครื่องยังเป็นภาษาอังกฤษเท่านั้น
Voice Studio Session
Script to expressive audio
Narration
00:18
warm
Live translate
EN -> ES
global
Captions
streaming
clear
ทำไมคนถึงค้นหา Miso One
คนส่วนใหญ่ค้นหา Miso One เพราะอยากได้ไฟล์ทางการ เดโม ข้อจำกัดทางเทคนิค และคำตอบว่า Miso TTS 8B เหมาะกับงานเอเจนต์เสียงหรือการทดลอง TTS ในเครื่องหรือไม่
Miso One คืออะไร
Miso One คือชื่อที่ผู้ใช้เห็นของ Miso TTS 8B จาก Miso Labs เป็นโมเดลแปลงข้อความเป็นเสียงแบบโอเพนเวท ภาษาอังกฤษ สำหรับเสียงสนทนาที่ถ่ายทอดอารมณ์ได้
เสียงภาษาอังกฤษที่ถ่ายทอดอารมณ์
โมเดลปัจจุบันเน้นคุณภาพเสียง จังหวะ อารมณ์ และการพูดแบบสนทนาในภาษาอังกฤษ ไม่ได้ครอบคลุมหลายภาษาแบบกว้าง
รองรับบริบทเสียง
Miso TTS 8B ใช้เสียงตัวอย่างเป็นเงื่อนไขได้ จึงมีคนค้นเรื่องการพูดต่อและการโคลนเสียงจากตัวอย่างเดียว
เข้าถึงโมเดลแบบเปิด
คลังโค้ดและหน้า Hugging Face คือทางหลักสำหรับนักพัฒนาที่อยากตรวจโค้ด ดาวน์โหลดเวท หรือรันในเครื่อง
เช็กพอยต์ในเครื่องขนาดใหญ่
ที่ 8B พารามิเตอร์ นี่ไม่ใช่ของเล่นเสียงในเบราว์เซอร์ ควรวางแผน GPU และการตั้งค่าในเครื่องก่อนทดลองงานผลิต
Miso One ถูกสร้างมาให้ทดลองอะไร
คุณค่าที่ใช้ได้จริงคือการประเมิน: เทียบคุณภาพเสียง ความหน่วง พฤติกรรมของเสียงตัวอย่าง และการรันในเครื่อง ก่อนตัดสินว่า Miso TTS 8B อยู่ตรงไหนในสแตกของคุณ
Voice layer
คุณภาพเสียง
เสียงที่มีอารมณ์
คุณภาพเสียง
ประเมินว่าจังหวะ อารมณ์ จังหวะหยุด และสไตล์การสนทนาของโมเดลตรงกับประสบการณ์เสียงที่คุณอยากสร้างหรือไม่
คนค้นหามักเทียบ Miso One กับโมเดลเสียงรุ่นใหม่ ไม่ได้กำลังเลือกผู้บรรยายทั่วไป
ใช้เดโมและข้อความตัวอย่างเพื่อตัดสินความอบอุ่น ความนิ่ง และความเป็นธรรมชาติด้วยข้อความภาษาอังกฤษของคุณเอง
วิธีประเมิน Miso TTS 8B
เส้นทางปฏิบัติสำหรับคนที่ค้นเจอ Miso One และต้องตัดสินว่าควรติดตั้งหรือทดลองโมเดลนี้หรือไม่
อ่านการ์ดโมเดล
เริ่มที่คลังทางการและหน้า Hugging Face เพื่อยืนยันสัญญาอนุญาต สถานะเช็กพอยต์ หมายเหตุความปลอดภัย และข้อกำหนดการตั้งค่า
ลองเดโมที่โฮสต์ไว้
ใช้เดโมตัดสินคุณภาพเสียง ช่วงอารมณ์ และการออกเสียงภาษาอังกฤษ ก่อนลงแรงรันในเครื่อง
รันในเครื่อง
ติดตั้งคลัง ดาวน์โหลดเวท 8B แล้ววัดความหน่วงและการใช้หน่วยความจำในสภาพแวดล้อม CUDA ของคุณ
ทดสอบเสียงตัวอย่าง
ประเมินการพูดต่อด้วยเสียงที่ได้รับความยินยอม ทั้งพรอมต์สั้น พรอมต์มีเสียงรบกวน และการพูดต่อที่ยาวขึ้น
ตัดสินว่าเข้ากับงานหรือไม่
ใช้ผลของคุณตัดสินระหว่างโฮสต์เอง รอระบบที่โฮสต์ให้ หรือใช้โมเดลเสียงอื่นสำหรับงานผลิต
ข้อเท็จจริงของโมเดล Miso One
ข้อเท็จจริงที่คนค้นหาควรยืนยัน ก่อนถือว่า Miso One เป็นระบบเสียงสำหรับงานผลิต
Miso TTS 8B
โมเดลสาธารณะปัจจุบันคือระบบแปลงข้อความเป็นเสียง 8B พารามิเตอร์จาก Miso Labs
CSM สไตล์ Sesame
สถาปัตยกรรมเดินตามทิศทางโมเดลเสียงสนทนาแบบ CSM
วันนี้เป็นภาษาอังกฤษเท่านั้น
อย่าอธิบาย Miso One ว่าเป็นผลิตภัณฑ์หลายภาษาแบบกว้าง รุ่นสาธารณะปัจจุบันเน้นภาษาอังกฤษ
รหัสเสียง Mimi
Miso TTS 8B ใช้การจำลองรหัสเสียงแบบไม่ต่อเนื่อง ไม่ใช่เวิร์กโฟลว์ส่งออกคลื่นเสียงแบบง่าย
ทางรันในเครื่อง
ไฟล์สาธารณะมุ่งไปที่นักพัฒนาที่รันและประเมินโมเดลในสภาพแวดล้อมของตัวเองได้
ความปลอดภัยและลายน้ำ
อ่านหมายเหตุความปลอดภัย คำแนะนำเรื่องลายน้ำ และความคาดหวังเรื่องความยินยอมของเสียง ก่อนใช้เสียงที่สร้างในที่สาธารณะ
Miso One โดยย่อ
สรุปข้อเท็จจริงที่คนค้นหา Miso One อยากตรวจบ่อยที่สุด
8B พารามิเตอร์ในโมเดลโอเพนเวท Miso TTS 8B
พารามิเตอร์ในโมเดลโอเพนเวท Miso TTS 8B
อังกฤษ ภาษาที่รุ่นสาธารณะโฟกัสอยู่ ไม่ใช่การเปิดหลายภาษาแบบกว้าง
ภาษาที่รุ่นสาธารณะโฟกัสอยู่ ไม่ใช่การเปิดหลายภาษาแบบกว้าง
110 ms ตัวเลขความหน่วงต่ำที่เผยแพร่ไว้ ให้ไปวัดในสภาพแวดล้อมของคุณเอง
ตัวเลขความหน่วงต่ำที่เผยแพร่ไว้ ให้ไปวัดในสภาพแวดล้อมของคุณเอง
แพ็กเสียง Miso One
เลือกแพ็กตามปริมาณเสียงที่ต้องใช้ เครดิตร่วมกันระหว่างแปลงข้อความเป็นเสียง ออกแบบเสียง และโคลนเสียง เสียงจากคลังสาธารณะใช้ 1 เครดิตต่อ 100 ไบต์ UTF-8 ดังนั้นข้อความละตินอยู่ใกล้ 1 เครดิตต่อ 100 ตัวอักษร ขณะที่จีน ญี่ปุ่น และเกาหลีอาจใช้มากกว่า ผู้ใช้ฟรี: สูงสุด 120 ตัวอักษรต่อการสร้าง แพ็กเสียเงินและแพ็กเครดิต: สูงสุด 1,000 ตัวอักษรต่อการสร้าง
Basic
สิทธิ์รายปีสำหรับงานสร้างเสียงที่ใช้สม่ำเสมอ
สิทธิ์เสียงรายปีรวมถึง:
- สูงสุด 960,000 ตัวอักษร ASCII ต่อปี (ราว 320,000 ตัวอักษรจีน)
- เครดิตเสียง 9,600
- สูงสุด 1,000 ตัวอักษรต่อการสร้าง
- โคลนเสียงทันทีได้สูงสุด 480 ครั้ง
- ดูตัวอย่างออกแบบเสียงได้ด้วยเครดิต
- สร้างโมเดลเสียงส่วนตัวได้ด้วยเครดิต
- ซัพพอร์ตพื้นฐานทางอีเมล
Pro
สิทธิ์รายปีสำหรับครีเอเตอร์ที่สร้างเสียงบ่อย
สิทธิ์เสียงรายปีรวมถึง:
- สูงสุด 4,200,000 ตัวอักษร ASCII ต่อปี (ราว 1,400,000 ตัวอักษรจีน)
- เครดิตเสียง 42,000
- สูงสุด 1,000 ตัวอักษรต่อการสร้าง
- โคลนเสียงทันทีได้สูงสุด 2,100 ครั้ง
- ดูตัวอย่างออกแบบเสียงได้ด้วยเครดิต
- สร้างโมเดลเสียงส่วนตัวได้ด้วยเครดิต
- ซัพพอร์ตลำดับสำคัญสำหรับงานเสียง
Enterprise
สิทธิ์รายปีสำหรับทีมและงานผลิตปริมาณมาก
สิทธิ์เสียงรายปีรวมถึง:
- สูงสุด 9,600,000 ตัวอักษร ASCII ต่อปี (ราว 3,200,000 ตัวอักษรจีน)
- เครดิตเสียง 96,000
- สูงสุด 1,000 ตัวอักษรต่อการสร้าง
- โคลนเสียงทันทีได้สูงสุด 4,800 ครั้ง
- ดูตัวอย่างออกแบบเสียงได้ด้วยเครดิต
- สร้างโมเดลเสียงส่วนตัวได้ด้วยเครดิต
- ซัพพอร์ตลำดับสำคัญจากทีมงาน
ผู้ประเมินกำลังตรวจอะไร
เพราะ Miso One เป็นโมเดลที่เพิ่งเปิดตัว จุดที่พิสูจน์ได้คือคุณภาพ ความหน่วง ความเข้ากับเครื่อง และพฤติกรรมด้านความปลอดภัยกับพรอมต์จริง
เรากำลังฟังอารมณ์ ทำนองเสียง ความนิ่ง และวิธีที่ Miso TTS 8B เทียบกับโมเดลเสียงสนทนารุ่นใหม่อื่น
นักวิจัยโมเดล, คุณภาพเสียง
นักวิจัยโมเดล
คุณภาพเสียง
โอเพนเวทน่าสนใจ แต่ตัวตัดสินคือการเสิร์ฟในเครื่องรักษาความหน่วงให้ต่ำพอสำหรับวงสนทนาจริงได้หรือไม่
คนสร้างเอเจนต์เสียง, ความหน่วงและการเสิร์ฟ
คนสร้างเอเจนต์เสียง
ความหน่วงและการเสิร์ฟ
การพูดต่อจากเสียงตัวอย่างต้องมีขอบเขตความยินยอมที่ชัดเจน ความคาดหวังเรื่องลายน้ำ และการทดสอบอย่างระวังก่อนนำไปใช้สาธารณะ
ผู้ตรวจความปลอดภัย, การโคลนอย่างรับผิดชอบ
ผู้ตรวจความปลอดภัย
การโคลนอย่างรับผิดชอบ
รับอัปเดตโมเดล Miso One
ติดตามการเปลี่ยนแปลงของเดโม การเข้าถึง API บันทึกการรันในเครื่อง และคำแนะนำประเมิน Miso TTS 8B
ปฏิกิริยาต่อโมเดล
บทสนทนาในชุมชนเกี่ยวกับ Miso One และ Miso TTS 8B
คำถามที่พบบ่อยเกี่ยวกับ Miso One
คำตอบสำหรับคนที่ค้น Miso One, Miso TTS 8B, โอเพนเวท, การรันในเครื่อง และการโคลนเสียง
เริ่มที่หน้าโมเดลบน Hugging Face และคลัง MisoTTS บน GitHub