Modell laden
Wählen Sie Modell laden. Die ONNX-Graphen und der Audio-Codec werden einmal geladen und vom Browser zwischengespeichert.
Text zu Sprache online kostenlos
Geben Sie einen Satz ein und MOSS-TTS-Nano liest ihn in Ihrem Browser vor. Das mehrsprachige Sprachmodell hat 0,1 Milliarden Parameter und läuft mit WebAssembly. Es wird nichts hochgeladen und kein Server beteiligt.
Die Geschwindigkeit verändert die Abtastrate der Wellenform. Ein schnellerer Clip klingt daher auch etwas höher, wie ein schneller laufendes Tonband.
Hier erscheint Ihr Audio
Modelldateien
Sprachmodell und Audio-Codec stammen von Hugging Face, nicht von 73hi.
Die Gewichte finden Sie unter MOSS-TTS-Nano-100M-ONNX und MOSS-Audio-Tokenizer-Nano-ONNX. Beide stehen unter Apache-2.0.
Drei einfache Schritte
So wandeln Sie Text online in Sprache um
Erzeugen Sie Sprache auf Ihrem eigenen Gerät, ohne Benutzerkonto oder Serverwarteschlange.
Text eingeben und Stimme wählen
Geben Sie Ihren Satz ein, wählen Sie eine integrierte Stimme oder laden Sie einen kurzen Referenzclip zum Klonen einer Stimme.
Abspielen und speichern
Wählen Sie Vorlesen, hören Sie das Ergebnis im Player an und laden Sie es als WAV-Datei herunter.
So funktioniert es
Ein Sprachmodell mit 0,1 Milliarden Parametern, vollständig auf Ihrem Gerät
MOSS-TTS-Nano kombiniert ein kleines autoregressives Sprachmodell mit einem neuronalen Audio-Codec. Alles läuft auf dem WebAssembly-Backend von ONNX Runtime Web.
| Phase | Aufgabe | Ausführungsort |
|---|---|---|
| Tokenizer | Wandelt Ihren Text in die vom Sprachmodell erwarteten Token-IDs um | Ihr Browser |
| Prefill | Liest Text und Stimmvorgabe in einem Durchlauf und erzeugt die konditionierenden verborgenen Zustände | Ihr Browser |
| Frame-Decodierung | Sagt jeweils einen Frame von Audiocodes über 16 Codebücher voraus | Ihr Browser |
| Audio-Codec | Decodiert die Audiocodes zurück in eine 48-kHz-Wellenform | Ihr Browser |
Kostenlose KI-Sprachausgabe
Privat, mehrsprachig und für CPUs geeignet
Alles zum Vorlesen von Text, ohne ihn an Dritte weiterzugeben.
Es wird nichts hochgeladen
Text und Audio bleiben auf Ihrem Gerät. Keine Anfrage überträgt Ihre Eingaben.
Keine GPU erforderlich
Das Modell ist klein genug, um über WebAssembly mit brauchbarer Geschwindigkeit auf der CPU zu laufen.
Mehrsprachig
MOSS-TTS-Nano unterstützt viele Sprachen, einschließlich Chinesisch und Englisch.
Kein Kontingent
Keine Registrierung, kein Tageslimit und kein Wasserzeichen in erzeugten Audiodateien.
Fragen und Antworten
Häufige Fragen zur Sprachausgabe
Wird mein Text hochgeladen?
Nein. Das Modell läuft mit WebAssembly in Ihrem Browser. Text und erzeugte Audiodateien verlassen Ihr Gerät nicht.
Woher stammt das Modell?
Die ONNX-Graphen werden zur Laufzeit von Hugging Face geladen, nicht von 73hi. Falls der Hub in Ihrem Netzwerk nicht erreichbar ist, können Sie eine Spiegel-URL angeben oder bereits heruntergeladene Modelldateien auswählen.
Wie groß ist der Download?
Sprachmodell und Audio-Codec umfassen zusammen ungefähr 760 MB. Ihr Browser speichert sie zwischen. Spätere Besuche im selben Browser starten daher deutlich schneller.
Wird eine GPU benötigt?
Nein. MOSS-TTS-Nano hat 0,1 Milliarden Parameter, ist für CPU-Inferenz ausgelegt und läuft auf dem WebAssembly-Backend.