跳转到主要内容
ToolPotion
AI 顾问
提交(免费)

dots.tts.edit

dots.tts.edit V1.1 是一个连续自回归模型,旨在进行精确的指令控制语音编辑和零-shot文本到语音合成。它支持多种操作,如文本替换、插入、删除、情感和韵律控制、暂停、增强以及背景音频操作,同时保留编辑区域外的原始说话者和声学上下文。

查看模型
分享
查看模型
分享

dots.tts.edit V1.1 是一个先进的连续自回归模型,专为复杂的语音编辑和零-shot文本到语音(TTS)合成而开发。该模型提供对语音的细粒度控制,使用户能够在保持说话者声音和周围声学环境完整性的同时,执行广泛的修改。

阅读更多

该模型支持全面的编辑操作,包括文本替换、插入和删除,这对于精炼口语内容至关重要。除了基本的文本操作外,它还提供对情感的局部控制,并允许自由形式的风格描述,使语音传递的细微调整成为可能。用户还可以精确控制音调和语速,插入或减少暂停,并应用语音增强或背景音频操作。一个关键能力是组合多个编辑操作,为复杂的编辑任务提供灵活性。

dots.tts.edit V1.1 是多语言的,支持英语和普通话的语音编辑和零-shot合成。它生成高质量的48 kHz音频。模型的核心权重使用BF16精度,而说话者编码器和声码器保持FP32权重以实现最佳性能。该模型可以通过命令行接口(CLI)进行语音编辑,或通过Python API进行更集成的应用。它还包括一个用于本地实验的互动游乐场。

安装涉及安装最新的dots.tts主分支及其推荐的依赖项。CLI需要源音频、标记指令和输出路径,源和目标转录是可选的。Python API支持各种结构标签,以便对编辑进行详细控制。对于零-shot TTS,DotsTtsEditRuntime提供`generate`和`generate_stream`函数。

建议用户负责任地使用该模型。生成或编辑的语音可能偶尔包含发音、时机、说话者相似性或指令遵循方面的错误。该模型不应用于冒充、误导听众、违反同意或创建非法内容。使用说话者声音需要明确的同意。公开分享的音频如果可能被误认为是未经修改的真实录音,必须明确披露为AI生成或编辑的。误用可以通过模型库的社区讨论进行报告。

  • 类别AI 模型与大语言模型
  • 定价模式开源
  • 部署云端
  • 平台网页版

  • 用于语音编辑的连续自回归模型

  • 零-shot文本到语音合成

  • 文本替换、插入和删除

  • 局部情感控制和自由形式风格描述

  • 音调和语速控制

  • 暂停插入和减少

  • 语音增强和背景音频操作

  • 多个编辑操作的组合

  • 保留编辑区域外的说话者和声学上下文

  • 支持英语和普通话的语音编辑和合成

  • 生成48 kHz音频输出

  • 用于语音编辑的命令行接口(CLI)

  • 用于集成的Python API

  • 可用的互动本地编辑游乐场

  • BF16核心权重与FP32说话者编码器和声码器

  1. 安装依赖项:安装最新的dots.tts主分支及其推荐的依赖项。

  2. 准备源音频:提供用于编辑操作的源音频。

  3. 定义指令:创建标记指令以进行所需的语音编辑,包括文本、情感、音调或速率控制。

  4. 执行CLI命令:使用语音编辑CLI,提供源音频、标记指令和输出路径。

  5. 覆盖转录(可选):如有需要,使用--source-text和--target-text覆盖派生转录。

  6. 调整说话者指导(可选):使用--use-xvector和--speaker-scale参数控制说话者指导。

  7. 通过Python API集成:利用Python API与结构标签如<del>、<ins>、<emo>、<pitch>进行程序化控制。

  8. 生成零-shot TTS:使用DotsTtsEditRuntime中的`generate`或`generate_stream`函数进行文本到语音合成。

  • 语音内容精炼
  • 情感和风格调整
  • 韵律控制
  • 音频增强
  • 零-shot TTS
  • 多语言语音生成
  • 互动语音实验

dots.tts.edit 评价

加载中...

与 dots.tts.edit 类似的热门AI工具

Gemini 3.8 Flash TTS 和 Flash-Lite TTS 是 Google DeepMind 开发的先进文本转语音模型。它们提供富有表现力的语音生成和实时语音翻译,适用于生成性语音设计和日常音频任务。

文字转语音
查看工具

Google DeepMind 开发的先进文本转语音模型。它们提供富有表现力的语音生成和实时语音翻译,适用于生成性语音设计和日常音频任务。Gemini 3.8 Flash TTS 和 Flash-Lite TTS 是 Google DeepMind 开发的先进文本转语音模型。它们提供富有表现力的语音生成和实时语音翻译,适用于生成性语音设计和日常音频任务。

文字转语音
查看 AI 模型 Top 5

Descript

AI 应用

Descript 是一款 AI 视频和音频编辑器,通过允许用户直接编辑文本来简化编辑过程。它在一个工具中提供录音、转录、编辑和发布功能,使初学者和专业人士都能轻松使用。

AI 音频编辑器

AI 应用 排名第 46 位

查看工具

AI 应用

AI 视频和音频编辑器,通过允许用户直接编辑文本来简化编辑过程。它在一个工具中提供录音、转录、编辑和发布功能,使初学者和专业人士都能轻松使用。Descript 是一款 AI 视频和音频编辑器,通过允许用户直接编辑文本来简化编辑过程。它在一个工具中提供录音、转录、编辑和发布功能,使初学者和专业人士都能轻松使用。

精选AI 音频编辑器
AI 应用 排名第 46 位

Ming-3.0-tts-tiny 是一个具有副语言和自由形式控制的多语言语音合成模型。它支持零样本语音克隆和语音设计,提供对交付和说话风格的明确控制。

文字转语音
查看工具

具有副语言和自由形式控制的多语言语音合成模型。它支持零样本语音克隆和语音设计,提供对交付和说话风格的明确控制。Ming-3.0-tts-tiny 是一个具有副语言和自由形式控制的多语言语音合成模型。它支持零样本语音克隆和语音设计,提供对交付和说话风格的明确控制。

文字转语音
查看 AI 模型 Top 5

VoiceStar TTS 系统

AI GitHub 仓库

VoiceStar 是一个强大的、可控时长的文本转语音 (TTS) 系统,能够推断语音模式。它旨在为各种应用提供高质量、可定制的语音输出。

AI 模型与大语言模型
查看工具

AI GitHub 仓库

强大的、可控时长的文本转语音 (TTS) 系统,能够推断语音模式。它旨在为各种应用提供高质量、可定制的语音输出。VoiceStar 是一个强大的、可控时长的文本转语音 (TTS) 系统,能够推断语音模式。它旨在为各种应用提供高质量、可定制的语音输出。

AI 模型与大语言模型
查看 AI GitHub 仓库 Top 250

Typeless

AI 应用

Typeless 是一款 AI 语音听写工具,可以将口头思想转化为清晰、精炼的书面文字,适用于各种应用。它通过去除填充词、重复内容和自动纠正中途更改来自动优化语音。Typeless 支持超过 100 种语言,能够适应您的个人风格和语调,提供即时翻译和高级编辑功能。它通过允许用户自然地说话来提高生产力,使写作更快、更高效。

写作与编辑

写作与编辑 排名第 15 位

查看工具

AI 应用

AI 语音听写工具,可以将口头思想转化为清晰、精炼的书面文字,适用于各种应用。它通过去除填充词、重复内容和自动纠正中途更改来自动优化语音。Typeless 支持超过 100 种语言,能够适应您的个人风格和语调,提供即时翻译和高级编辑功能。它通过允许用户自然地说话来提高生产力,使写作更快、更高效。Typeless 是一款 AI 语音听写工具,可以将口头思想转化为清晰、精炼的书面文字,适用于各种应用。它通过去除填充词、重复内容和自动纠正中途更改来自动优化语音。Typeless 支持超过 100 种语言,能够适应您的个人风格和语调,提供即时翻译和高级编辑功能。它通过允许用户自然地说话来提高生产力,使写作更快、更高效。

写作与编辑
写作与编辑 排名第 15 位

Index-TTS

AI GitHub 仓库

Index-TTS 是一个工业级、可控且高效的零样本文本转语音系统。它提供了从文本输入生成类人语音的先进能力,适用于需要高质量语音合成的各种行业应用。

文字转语音
查看工具

AI GitHub 仓库

工业级、可控且高效的零样本文本转语音系统。它提供了从文本输入生成类人语音的先进能力,适用于需要高质量语音合成的各种行业应用。Index-TTS 是一个工业级、可控且高效的零样本文本转语音系统。它提供了从文本输入生成类人语音的先进能力,适用于需要高质量语音合成的各种行业应用。

文字转语音
查看 AI GitHub 仓库 Top 250

FineVoice

AI 应用

FineVoice 是一个 AI 语音和内容创作平台,提供超过 1500 种真实语音的文本转语音、语音克隆、语音变换、音效、背景音乐和语音翻译。

AI 语音生成器媒体与娱乐

生成音效 排名第 12 位

查看工具

AI 应用

AI 语音和内容创作平台,提供超过 1500 种真实语音的文本转语音、语音克隆、语音变换、音效、背景音乐和语音翻译。FineVoice 是一个 AI 语音和内容创作平台,提供超过 1500 种真实语音的文本转语音、语音克隆、语音变换、音效、背景音乐和语音翻译。

AI 语音生成器媒体与娱乐
生成音效 排名第 12 位

字幕

AI 应用

字幕是一个AI视频生成和编辑工具,可以将素材或创意转化为完全编辑好的、可分享的视频。它专为制作社交视频、广告、教程和播客片段的内容创作者而设计。

AI 视频编辑器营销与创意机构

AI 应用 排名第 105 位

查看工具

AI 应用

AI视频生成和编辑工具,可以将素材或创意转化为完全编辑好的、可分享的视频。它专为制作社交视频、广告、教程和播客片段的内容创作者而设计。字幕是一个AI视频生成和编辑工具,可以将素材或创意转化为完全编辑好的、可分享的视频。它专为制作社交视频、广告、教程和播客片段的内容创作者而设计。

精选AI 视频编辑器营销与创意机构
AI 应用 排名第 105 位
1/8