Charger le modèle
Sélectionnez Charger le modèle. Les graphes ONNX et le codec audio sont téléchargés une fois, puis mis en cache par votre navigateur.
Synthèse vocale gratuite en ligne
Saisissez une phrase et MOSS-TTS-Nano la lit dans votre navigateur. Ce modèle vocal multilingue de 0,1 milliard de paramètres fonctionne sur WebAssembly : rien n’est envoyé et aucun serveur n’intervient.
La vitesse rééchantillonne la forme d’onde : un extrait accéléré devient donc aussi légèrement plus aigu, comme une bande magnétique lue trop vite.
Votre audio apparaît ici
Fichiers du modèle
Le modèle vocal et le codec audio proviennent de Hugging Face, pas de 73hi.
Les poids sont disponibles sur MOSS-TTS-Nano-100M-ONNX et MOSS-Audio-Tokenizer-Nano-ONNX, tous deux publiés sous licence Apache-2.0.
Trois étapes simples
Comment transformer du texte en parole en ligne
Générez de la parole sur votre propre appareil, sans compte ni file d’attente sur un serveur.
Saisissez du texte et choisissez une voix
Entrez votre phrase, choisissez une voix intégrée ou sélectionnez un court enregistrement de référence pour cloner une voix.
Écoutez et enregistrez
Sélectionnez Lire à voix haute, écoutez le résultat dans le lecteur, puis téléchargez l’audio au format WAV.
Fonctionnement
Un modèle vocal de 0,1 milliard de paramètres, entièrement sur votre appareil
MOSS-TTS-Nano associe un petit modèle de langage autorégressif à un codec audio neuronal. Tout fonctionne sur le backend WebAssembly d’ONNX Runtime Web.
| Étape | Fonction | Lieu d’exécution |
|---|---|---|
| Tokeniseur | Convertit votre texte en identifiants de tokens attendus par le modèle de langage | Votre navigateur |
| Préremplissage | Lit le texte et la référence vocale en un passage et produit les états cachés de conditionnement | Votre navigateur |
| Décodage des trames | Prédit une trame de codes audio à la fois à travers 16 dictionnaires de codes | Votre navigateur |
| Codec audio | Décode les codes audio pour reconstituer une forme d’onde à 48 kHz | Votre navigateur |
Synthèse vocale IA gratuite
Confidentielle, multilingue et adaptée au processeur
Tout le nécessaire pour lire du texte à voix haute sans le confier à un tiers.
Aucun fichier envoyé
Le texte et l’audio restent sur votre appareil. Aucune requête ne transmet ce que vous saisissez.
Aucun GPU nécessaire
Le modèle est assez petit pour fonctionner sur le processeur via WebAssembly à une vitesse utilisable.
Multilingue
MOSS-TTS-Nano prend en charge de nombreuses langues, dont le chinois et l’anglais.
Sans quota
Sans inscription, limite quotidienne ni filigrane sur l’audio généré.
Questions et réponses
Questions fréquentes sur la synthèse vocale
Mon texte est-il envoyé à un serveur ?
Non. Le modèle fonctionne sur WebAssembly dans votre navigateur : le texte et l’audio généré ne quittent jamais votre appareil.
D’où vient le modèle ?
Les graphes ONNX sont récupérés depuis Hugging Face à l’exécution, pas depuis 73hi. Si le Hub est inaccessible sur votre réseau, vous pouvez définir une URL miroir ou choisir des fichiers de modèle déjà téléchargés.
Quelle est la taille du téléchargement ?
Le modèle vocal et le codec audio représentent ensemble environ 760 Mo. Votre navigateur les met en cache, ce qui accélère nettement les visites suivantes dans le même navigateur.
Un GPU est-il nécessaire ?
Non. MOSS-TTS-Nano est un modèle de 0,1 milliard de paramètres conçu pour l’inférence sur processeur et fonctionne sur le backend WebAssembly.