TexttoSpeech.im: Convert Text to Speech Free Online vs Deep Voice 3

TexttoSpeech.im es un generador de texto a voz basado en navegador que convierte texto escrito en audio descargable. Pega hasta unos pocos miles de caracteres, elige un idioma y una voz, y obtén un archivo MP3 que puedes escuchar en el navegador o guardar para más tarde.

El catálogo de voces es la principal atracción: aproximadamente 148 opciones que abarcan acentos de EE. UU., Reino Unido, Australia, India y otros regionales, además de voces infantiles y variantes multi-emoción v2. Algunas voces manejan pasajes largos de hasta 40,000 caracteres, mientras que otras tienen un límite de alrededor de 2,000.

Es ideal para creadores que necesitan voces en off rápidas sin contratar talento, educadores que hacen las lecciones más accesibles, y cualquier persona que prefiera escuchar en lugar de leer. El sitio funciona en un navegador web estándar en teléfonos, laptops y escritorios, sin necesidad de instalar ninguna aplicación.

Deep Voice 3 es una implementación de código abierto en PyTorch del modelo de texto a voz Deep Voice 3 de Baidu Research. Reproduce el aprendizaje de secuencias convolucionales para TTS neuronal escalable y ofrece puntos de control preentrenados con demos de audio para configuraciones de un solo hablante y de múltiples hablantes.

El proyecto incluye modelos entrenados en LJSpeech para síntesis de un solo hablante y en VCTK para generación multihablante con 108 hablantes. La página de demostración aloja clips de audio de muestra, gráficos de atención y enlaces a pesos preentrenados en GitHub.

Está dirigido a investigadores y desarrolladores que desean una implementación de referencia de Deep Voice 3 en lugar de una API de voz alojada. Los scripts de entrenamiento, el código de inferencia y las contribuciones de la comunidad están en el repositorio público de GitHub.