Pandrator 0.12.0 · 2026-10-16

Modele i języki

Znajdź modele mowy, transkrypcji i dźwięków według języka oraz funkcji. Przed rozpoczęciem projektu sprawdź dokładny model, wymagania próbki i środowisko.

Posłuchaj wybranych modeli

Szukaj modelu lub rodziny

Język Tryb głosu

Liczba rodzin modeli: 51

Model	Wymienione języki	Funkcje	Źródło i warunki
Audio8 TTSaudio.cppOpcjonalna próbka Dokładne warianty (1) `audio8_tts_preview_0_6b_q8_0`q8_0	Udokumentowane języki niemiecki, angielski, hiszpański, francuski, włoski +6 japoński (ja), koreański (ko), niderlandzki (nl), polski (pl), chiński kantoński (yue), chiński (zh)	Próbkowanie · Podział tekstu · Ziarno losowania Parametry generowania `max_tokenstext_chunk_sizetext_chunk_modetop_ptop_ktemperatureseed`	Apache-2.0 Karta modelu i warunki audio.cpp
Breeze TTSaudio.cppOpcjonalna próbka · Projektowanie głosu Dokładne warianty (3) `breeze_tts_2_bf16`bf16 `breeze_tts_2_q4_0`q4_0 `breeze_tts_2_q8_0`q8_0	Udokumentowane języki angielski, chiński	Instrukcje odczytu Projektowanie głosu Emocje w opisie lub instrukcji Próbkowanie · Siła sterowania · Podział tekstu · Ziarno losowania Parametry generowania `text_chunk_sizetext_chunk_modemax_tokensguidance_scaletemperaturedepth_temperaturetop_ktop_pseed` Zdarzenia głosowe laugh, cough, clear_throat, sigh	BreezeBlue Research and Non-Commercial License 1.1 Karta modelu i warunki audio.cpp
Chatterboxaudio.cppPróbka referencyjna Dokładne warianty (3) `chatterbox_f16`f16 `chatterbox_q8_0`q8_0 `chatterbox_safetensors`native	Udokumentowane języki arabski, duński, niemiecki, grecki, angielski +14 hiszpański (es), fiński (fi), francuski (fr), hindi (hi), włoski (it), koreański (ko), malajski (ms), niderlandzki (nl), norweski (no), polski (pl), portugalski (pt), szwedzki (sv), suahili (sw), turecki (tr)	Ekspresyjność · Próbkowanie · Siła sterowania · Podział tekstu · Ziarno losowania Parametry generowania `exaggerationguidance_scaletemperaturerepetition_penaltymin_ptop_ps3gen_cfg_ratemax_tokensdo_samplegreedystop_on_eosseedtext_chunk_size`	MIT Karta modelu i warunki audio.cpp
Chatterbox Turboaudio.cppGotowy głos Dokładne warianty (2) `chatterbox_turbo_f16`f16 `chatterbox_turbo_q8_0`q8_0	Udokumentowane języki angielski	Próbkowanie · Ziarno losowania Parametry generowania `seedtemperaturetop_prepetition_penalty` Zdarzenia głosowe laugh, chuckle, sigh, cough, gasp, clear_throat	MIT Karta modelu i warunki audio.cpp
Confucius4 TTSaudio.cppPróbka referencyjna Dokładne warianty (1) `confucius4_tts_orig`orig	Udokumentowane języki niemiecki, angielski, hiszpański, francuski, indonezyjski +9 włoski (it), japoński (ja), koreański (ko), malajski (ms), portugalski (pt), rosyjski (ru), tajski (th), wietnamski (vi), chiński (zh)	Próbkowanie · Siła sterowania · Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `temperaturetop_ptop_knum_beamsrepetition_penaltymax_tokensnum_inference_stepsguidance_scaletext_chunk_sizetext_chunk_modecross_fade_duration_secedge_fade_duration_secedge_pad_duration_secseed`	Apache-2.0 Karta modelu i warunki audio.cpp
CosyVoice3audio.cppPróbka referencyjna Dokładne warianty (2) `cosyvoice3_f32`f32 `cosyvoice3_q8_0`q8_0	Udokumentowane języki niemiecki, angielski, hiszpański, francuski, włoski +5 japoński (ja), koreański (ko), rosyjski (ru), chiński kantoński (yue), chiński (zh)	Instrukcje odczytu Emocje w opisie lub instrukcji Próbkowanie · Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `text_chunk_sizetext_chunk_modemax_tokensmin_tokenstop_knum_inference_stepsseed`	Apache-2.0 Karta modelu i warunki audio.cpp
dots.ttsaudio.cppPróbka referencyjna Dokładne warianty (4) `dots_tts_mf_bf16`bf16 Próbka referencyjna `dots_tts_mf_q8_0`q8_0 Próbka referencyjna `dots_tts_soar_bf16`bf16 Próbka referencyjna Źródło wariantu `dots_tts_soar_q8_0`q8_0 Próbka referencyjna Źródło wariantu	Lista częściowa arabski, czeski, niemiecki, grecki, angielski +19 hiszpański (es), fiński (fi), francuski (fr), hindi (hi), indonezyjski (id), włoski (it), japoński (ja), koreański (ko), niderlandzki (nl), polski (pl), portugalski (pt), rumuński (ro), rosyjski (ru), tajski (th), turecki (tr), ukraiński (uk), wietnamski (vi), chiński kantoński (yue), chiński (zh)	Funkcje zależą od wariantu Porównaj warianty DotTTS MeanFlow dots_tts_mf_bf16, dots_tts_mf_q8_0 Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `reference_duration_secnum_inference_stepsspeaker_scalesampler_modemax_tokenstext_chunk_sizetext_chunk_modeseed` DotTTS SOAR dots_tts_soar_bf16, dots_tts_soar_q8_0 Siła sterowania · Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `reference_duration_secnum_inference_stepsguidance_scalespeaker_scalesampler_modemax_tokenstext_chunk_sizetext_chunk_modeseed`	Apache-2.0 Karta modelu i warunki audio.cpp
DramaBoxaudio.cppOpcjonalna próbka Dokładne warianty (1) `dramabox_q8_0`q8_0	Udokumentowane języki angielski	Długość · Siła sterowania · Kroki syntezy · Ziarno losowania Parametry generowania `negative_promptguidance_rescaleduration_secnum_inference_stepsguidance_scalespatio_temporal_guidance_scaleduration_scalereference_duration_secaudio_chunk_threshold_secaudio_chunk_duration_seccross_fade_duration_secseed`	LTX-2 Community License Karta modelu i warunki audio.cpp
Echo-TTSaudio.cppPróbka referencyjna Dokładne warianty (2) `echo_tts_f16`f16 `echo_tts_q8_0`q8_0	Udokumentowane języki angielski	Siła sterowania · Kroki syntezy · Ziarno losowania Parametry generowania `text_guidance_scalespeaker_guidance_scalenum_inference_stepstruncation_factorspeaker_kv_scaleseedreference_duration_secmax_duration_secguidance_interval`	CC-BY-NC-SA-4.0 Karta modelu i warunki audio.cpp
FireRedAudioaudio.cppPróbka referencyjna Dokładne warianty (2) `firered_audio_orig`orig `firered_audio_q8_0`q8_0	Udokumentowane języki angielski, chiński	Próbkowanie · Siła sterowania · Kroki syntezy · Ziarno losowania Parametry generowania `num_inference_stepsguidance_scalemax_new_audio_stepsmin_new_audio_stepsmax_new_text_tokensmax_new_tokensenable_thinkingtop_ktop_ptemperatureseed`	Apache-2.0 Karta modelu i warunki audio.cpp
FireRedTTS3audio.cppPróbka referencyjna · Opcjonalna próbka · Projektowanie głosu Dokładne warianty (4) `fireredtts3_base_orig`orig Próbka referencyjna `fireredtts3_base_q8_0`q8_0 Próbka referencyjna `fireredtts3_instruct_orig`orig Opcjonalna próbka · Projektowanie głosu `fireredtts3_instruct_q8_0`q8_0 Opcjonalna próbka · Projektowanie głosu	Udokumentowane języki arabski, czeski, niemiecki, grecki, angielski +19 hiszpański (es), fiński (fi), francuski (fr), hindi (hi), indonezyjski (id), włoski (it), japoński (ja), koreański (ko), niderlandzki (nl), polski (pl), portugalski (pt), rumuński (ro), rosyjski (ru), tajski (th), turecki (tr), ukraiński (uk), wietnamski (vi), chiński kantoński (yue), chiński (zh)	Funkcje zależą od wariantu Porównaj warianty FireRedTTS3 Base Orig GGUF / FireRedTTS3 Base fireredtts3_base_orig, fireredtts3_base_q8_0 Siła sterowania · Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `seednum_inference_stepsguidance_scalestop_thresholdtext_chunk_sizetext_chunk_mode` FireRedTTS3 Instruct Orig GGUF / FireRedTTS3 Instruct fireredtts3_instruct_orig, fireredtts3_instruct_q8_0 Opis głosu Projektowanie głosu Emocje w opisie lub instrukcji Siła sterowania · Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `seednum_inference_stepsguidance_scalestop_thresholdtext_chunk_sizetext_chunk_mode`	Apache-2.0 Karta modelu i warunki audio.cpp
Fish Audio S2 Proaudio.cppOpcjonalna próbka Dokładne warianty (2) `fish_audio_s2_pro_bf16`bf16 `fish_audio_s2_pro_q8_0`q8_0	Deklaracja źródła afrikaans, amharski, arabski, asamski, azerbejdżański +78 białoruski (be), bułgarski (bg), bengalski (bn), tybetański (bo), bretoński (br), bośniacki (bs), kataloński (ca), czeski (cs), walijski (cy), duński (da), niemiecki (de), grecki (el), angielski (en), hiszpański (es), estoński (et), baskijski (eu), perski (fa), fiński (fi), farerski (fo), francuski (fr), galicyjski (gl), gudżarati (gu), hebrajski (he), hindi (hi), chorwacki (hr), kreolski haitański (ht), węgierski (hu), ormiański (hy), indonezyjski (id), islandzki (is), włoski (it), japoński (ja), jawajski (jv), gruziński (ka), kazachski (kk), khmerski (km), kannada (kn), koreański (ko), łaciński (la), litewski (lt), łotewski (lv), maoryjski (mi), malajalam (ml), mongolski (mn), marathi (mr), malajski (ms), birmański (my), nepalski (ne), niderlandzki (nl), norweski (nynorsk) (nn), norweski (no), pendżabski (pa), polski (pl), paszto (ps), portugalski (pt), rumuński (ro), rosyjski (ru), sanskryt (sa), sindhi (sd), syngaleski (si), słowacki (sk), słoweński (sl), shona (sn), albański (sq), serbski (sr), szwedzki (sv), suahili (sw), tamilski (ta), telugu (te), tajski (th), filipiński (tl), turecki (tr), ukraiński (uk), urdu (ur), wietnamski (vi), jidysz (yi), joruba (yo), chiński (zh)	Instrukcje odczytu Emocje w opisie lub instrukcji Próbkowanie · Podział tekstu · Ziarno losowania Parametry generowania `seedmax_tokenstop_ptop_ktemperaturetext_chunk_sizetext_chunk_mode` Zdarzenia głosowe pause, laugh, chuckle, sigh, inhale, exhale, clear_throat	Fish Audio Research License Karta modelu i warunki audio.cpp
GLM-TTSaudio.cppPróbka referencyjna Dokładne warianty (1) `glm_tts_q8_0`q8_0	Udokumentowane języki angielski, chiński	Próbkowanie · Kroki syntezy · Ziarno losowania Parametry generowania `max_tokenstemperaturetop_ktop_pseednum_inference_stepsflow_guidance_scalehift_prior_noise_count`	MIT Karta modelu i warunki audio.cpp
Habibi TTS (F5)audio.cppPróbka referencyjna Dokładne warianty (8) `habibi_alg`orig `habibi_egy`orig `habibi_irq`orig `habibi_mar`orig `habibi_msa`orig `habibi_sau`orig `habibi_uae`orig `habibi_unified`orig	Udokumentowane języki arabski, angielski	Tempo · Dialekt · Siła sterowania · Kroki syntezy · Ziarno losowania Parametry generowania `dialectsway_sampling_coefspeedseednum_inference_stepsguidance_scalestrip_diacritics`	Licencje poszczególnych wariantów Apache-2.0 habibi_alg, habibi_egy, habibi_irq, habibi_mar, habibi_msa Warunki modelu CC-BY-NC-SA-4.0 habibi_sau, habibi_uae, habibi_unified Warunki modelu Karta modelu i warunki audio.cpp
Higgs Audioaudio.cppPróbka referencyjna Dokładne warianty (2) `higgs_audio_tts_4b_bf16`bf16 `higgs_audio_tts_4b_q8_0`q8_0	Deklaracja źródła afrikaans, arabski, asamski, asturyjski, azerbejdżański +97 baszkirski (ba), białoruski (be), bułgarski (bg), bengalski (bn), bośniacki (bs), kataloński (ca), cebuański (ceb), sorani (ckb), czeski (cs), walijski (cy), duński (da), niemiecki (de), grecki (el), angielski (en), esperanto (eo), hiszpański (es), estoński (et), baskijski (eu), perski (fa), fiński (fi), francuski (fr), irlandzki (ga), galicyjski (gl), gudżarati (gu), hausa (ha), hebrajski (he), hindi (hi), chorwacki (hr), kreolski haitański (ht), węgierski (hu), ormiański (hy), indonezyjski (id), islandzki (is), włoski (it), japoński (ja), jawajski (jv), gruziński (ka), kabylski (kab), kamba (Kenia) (kam), kabuverdianu, kreolski Wysp Zielonego Przylądka (kea), kazachski (kk), kannada (kn), koreański (ko), kirgiski (ky), łaciński (la), luksemburski (lb), ganda (lg), lingala (ln), litewski (lt), luo (Kenia i Tanzania) (luo), łotewski (lv), maryjski wschodni (mhr), maoryjski (mi), macedoński (mk), malajalam (ml), mongolski (mn), marathi (mr), malajski (ms), maltański (mt), nepalski (ne), niderlandzki (nl), norweski (no), sotho północny (nso), njandża (ny), oksytański (oc), oromo (om), pendżabski (pa), polski (pl), paszto (ps), portugalski (pt), rumuński (ro), rosyjski (ru), kinya-ruanda (rw), sindhi (sd), słowacki (sk), słoweński (sl), shona (sn), somalijski (so), albański (sq), serbski (sr), szwedzki (sv), suahili (sw), tamilski (ta), telugu (te), tadżycki (tg), tajski (th), filipiński (tl), turecki (tr), ujgurski (ug), ukraiński (uk), umbundu (umb), urdu (ur), uzbecki (uz), wietnamski (vi), khosa (xh), chiński (zh), zulu (zu)	Próbkowanie · Podział tekstu · Ziarno losowania Parametry generowania `max_tokenstemperaturetop_ptop_kseedtext_chunk_sizetext_chunk_mode`	Research / Non-Commercial + Creator Use Grant Karta modelu i warunki audio.cpp
IndexTTSaudio.cppPróbka referencyjna Dokładne warianty (7) `index_tts2_5_f16`f16 arabski, angielski, hiszpański, japoński, chiński Próbka referencyjna `index_tts2_5_orig`orig arabski, angielski, hiszpański, japoński, chiński Próbka referencyjna `index_tts2_5_q8_0`q8_0 arabski, angielski, hiszpański, japoński, chiński Próbka referencyjna `index_tts2_f16`f16 angielski, chiński Próbka referencyjna Źródło wariantu `index_tts2_orig`orig angielski, chiński Próbka referencyjna Źródło wariantu `index_tts2_q8_0`q8_0 angielski, chiński Próbka referencyjna Źródło wariantu `index_tts2_safetensors`native angielski, chiński Próbka referencyjna Źródło wariantu	Zależnie od wariantu arabski, angielski, hiszpański, japoński, chiński	Wybór emocji Emocje · Długość · Próbkowanie · Podział tekstu · Ziarno losowania Parametry generowania `emotion_alphaemotion_vectoruse_emotion_textemotion_textuse_random_emotioninterval_silence_msdo_sampletop_ptop_ktemperaturelength_penaltynum_beamsrepetition_penaltymax_tokensseedtext_chunk_sizetext_chunk_modeduration_factor`	Licencje poszczególnych wariantów Bilibili Model License (IndexTTS 2.5) index_tts2_5_f16, index_tts2_5_orig, index_tts2_5_q8_0 Warunki modelu Bilibili Model License (IndexTTS 2) index_tts2_f16, index_tts2_orig, index_tts2_q8_0, index_tts2_safetensors Warunki modelu Karta modelu i warunki audio.cpp
Inflect Micro v2audio.cppGotowy głos Dokładne warianty (1) `inflect_micro_v2_orig`orig	Udokumentowane języki angielski	Tempo · Podział tekstu · Ziarno losowania Parametry generowania `speaking_ratevariationseedtext_chunk_modetext_chunk_size`	Apache-2.0 Karta modelu i warunki audio.cpp
Irodori TTSaudio.cppOpcjonalna próbka · Projektowanie głosu Dokładne warianty (6) `irodori_tts_500m_v3_f16`f16 Opcjonalna próbka `irodori_tts_500m_v3_q8_0`q8_0 Opcjonalna próbka `irodori_tts_600m_v3_voicedesign_f16`f16 Opcjonalna próbka · Projektowanie głosu Źródło wariantu `irodori_tts_600m_v3_voicedesign_q8_0`q8_0 Opcjonalna próbka · Projektowanie głosu Źródło wariantu `irodori_tts_v4_small_f16`f16 Opcjonalna próbka · Projektowanie głosu Źródło wariantu `irodori_tts_v4_small_q8_0`q8_0 Opcjonalna próbka · Projektowanie głosu Źródło wariantu	Udokumentowane języki japoński	Funkcje zależą od wariantu Porównaj warianty Irodori-TTS 500M v3 irodori_tts_500m_v3_f16, irodori_tts_500m_v3_q8_0 Długość · Siła sterowania · Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `num_inference_stepsduration_secduration_scaletext_chunk_modetext_chunk_sizemin_duration_secmax_duration_sectext_guidance_scalespeaker_guidance_scalecaption_guidance_scaleguidance_scaleguidance_modeguidance_min_tguidance_max_tseedtrim_tail` Irodori-TTS 600M v3 VoiceDesign / Irodori-TTS v4.1 Small irodori_tts_600m_v3_voicedesign_f16, irodori_tts_600m_v3_voicedesign_q8_0, irodori_tts_v4_small_f16, irodori_tts_v4_small_q8_0 Opis głosu Projektowanie głosu Emocje w opisie lub instrukcji Długość · Siła sterowania · Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `num_inference_stepsduration_secduration_scaletext_chunk_modetext_chunk_sizemin_duration_secmax_duration_sectext_guidance_scalespeaker_guidance_scalecaption_guidance_scaleguidance_scaleguidance_modeguidance_min_tguidance_max_tseedtrim_tail`	MIT Karta modelu i warunki audio.cpp
Kitten TTS 2audio.cppTryb mieszany Dokładne warianty (1) `kitten_tts2_q8_0`q8_0	Udokumentowane języki arabski, niemiecki, angielski, hiszpański, francuski +5 hindi (hi), włoski (it), portugalski (pt), rosyjski (ru), chiński (zh)	Próbkowanie · Podział tekstu · Ziarno losowania Parametry generowania `presettemperaturetop_ktop_pmin_prepetition_penaltymax_tokensseedtext_chunk_sizetext_chunk_mode`	Stellon Labs Community License Karta modelu i warunki audio.cpp
Kitten TTS Miniaudio.cppGotowy głos Dokładne warianty (1) `kitten_tts_mini_0_8_orig`orig	Udokumentowane języki angielski	Tempo · Podział tekstu · Ziarno losowania Parametry generowania `speedseedtext_chunk_modetext_chunk_size`	Apache-2.0 Karta modelu i warunki audio.cpp
Kokoroaudio.cppGotowy głos Dokładne warianty (2) `kokoro_82m_bf16`bf16 `kokoro_82m_q8_0`q8_0	Udokumentowane języki angielski brytyjski, angielski amerykański, hiszpański, francuski (Francja), hindi +4 włoski (it), japoński (ja), brazylijski portugalski (pt-br), chiński (zh) Japoński wymaga GGUF z danymi UniDic oraz biblioteki MeCab. Standardowy mały pakiet nie zawiera tego słownika. Przygotowanie pakietu	Tempo · Podział tekstu · Ziarno losowania Parametry generowania `seedspeedtext_chunk_sizereturn_timestamps`	Apache-2.0 Karta modelu i warunki audio.cpp
KugelAudioaudio.cppGotowy głos Dokładne warianty (3) `kugelaudio_0_open_bf16`bf16 `kugelaudio_0_open_q4_k`q4_k `kugelaudio_0_open_q8_0`q8_0	Udokumentowane języki bułgarski, czeski, duński, niemiecki, grecki +18 angielski (en), hiszpański (es), fiński (fi), francuski (fr), chorwacki (hr), węgierski (hu), włoski (it), niderlandzki (nl), norweski (no), polski (pl), portugalski (pt), rumuński (ro), rosyjski (ru), słowacki (sk), serbski (sr), szwedzki (sv), turecki (tr), ukraiński (uk)	Próbkowanie · Siła sterowania · Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `num_inference_stepsguidance_scalemax_tokensdo_sampletemperatureseedtext_chunk_sizetext_chunk_mode`	MIT Karta modelu i warunki audio.cpp
LFM2.5 Audioaudio.cppGotowy głos Dokładne warianty (7) `lfm2_audio_1_5b_f16`f16 angielski Gotowy głos `lfm2_audio_1_5b_jp_f16`f16 japoński Gotowy głos Źródło wariantu `lfm2_audio_1_5b_jp_f32`f32 japoński Gotowy głos Źródło wariantu `lfm2_audio_1_5b_jp_q4_0`q4_0 japoński Gotowy głos Źródło wariantu `lfm2_audio_1_5b_jp_q8_0`q8_0 japoński Gotowy głos Źródło wariantu `lfm2_audio_1_5b_q4_0`q4_0 angielski Gotowy głos `lfm2_audio_1_5b_q8_0`q8_0 angielski Gotowy głos	Zależnie od wariantu angielski, japoński	Próbkowanie · Podział tekstu · Ziarno losowania Parametry generowania `max_tokenstemperaturetop_kseedtext_chunk_modetext_chunk_size`	LFM Open License v1.0 Karta modelu i warunki audio.cpp
Magpie TTSaudio.cppGotowy głos Dokładne warianty (2) `magpie_tts_orig`orig `magpie_tts_q8_0`q8_0	Lista częściowa arabski (Zjednoczone Emiraty Arabskie), arabski (Arabia Saudyjska), niemiecki, angielski, hiszpański +7 francuski (fr), hindi (hi), włoski (it), koreański (ko), brazylijski portugalski (pt-br), wietnamski (vi), chiński (zh)	Próbkowanie · Siła sterowania · Podział tekstu · Ziarno losowania Parametry generowania `seedtemperaturetop_kguidance_scalemax_tokenstext_chunk_sizetext_chunk_mode`	NVIDIA Open Model License Karta modelu i warunki audio.cpp
Maya1audio.cppProjektowanie głosu Dokładne warianty (2) `maya1_orig`orig `maya1_q8_0`q8_0	Udokumentowane języki angielski	Instrukcje odczytu Projektowanie głosu Emocje w opisie lub instrukcji Próbkowanie · Podział tekstu · Ziarno losowania Parametry generowania `max_tokensmin_tokenstemperaturetop_prepetition_penaltyseedtext_chunk_sizetext_chunk_mode` Zdarzenia głosowe laugh, sigh, chuckle, gasp, exhale	Apache-2.0 Karta modelu i warunki audio.cpp
MioTTSaudio.cppPróbka referencyjna Dokładne warianty (3) `miotts_1_7b_bf16`bf16 `miotts_1_7b_orig`orig `miotts_1_7b_q8_0`q8_0	Udokumentowane języki angielski, japoński	Próbkowanie · Ziarno losowania Parametry generowania `max_tokenstop_ktop_ptemperaturerepetition_penaltypresence_penaltyfrequency_penaltydo_sampleseedbest_of_nbest_of_n_enabledbest_of_n_language`	Apache-2.0 Karta modelu i warunki audio.cpp
MOSS VoiceGenaudio.cppProjektowanie głosu Dokładne warianty (1) `moss_voicegen_bf16_codec_f16_decode`bf16	Udokumentowane języki angielski, chiński	Opis głosu Projektowanie głosu Emocje w opisie lub instrukcji Podział tekstu · Ziarno losowania Parametry generowania `seedtext_chunk_sizetext_chunk_mode`	Apache-2.0 Karta modelu i warunki audio.cpp
MOSS-TTS Localaudio.cppOpcjonalna próbka Dokładne warianty (2) `moss_tts_local_v1_5_bf16`bf16 `moss_tts_local_v1_5_q8_0`q8_0	Udokumentowane języki arabski, czeski, duński, niemiecki, grecki +26 angielski (en), hiszpański (es), perski (fa), fiński (fi), francuski (fr), hebrajski (he), hindi (hi), węgierski (hu), włoski (it), japoński (ja), koreański (ko), macedoński (mk), malajski (ms), niderlandzki (nl), polski (pl), portugalski (pt), rumuński (ro), rosyjski (ru), szwedzki (sv), suahili (sw), tajski (th), filipiński (tl), turecki (tr), wietnamski (vi), chiński kantoński (yue), chiński (zh)	Próbkowanie · Podział tekstu · Ziarno losowania Parametry generowania `max_tokensdo_sampletemperaturetop_ptop_krepetition_penaltytext_temperaturetext_top_ptext_top_kseedtext_chunk_sizetext_chunk_mode`	Apache-2.0 Karta modelu i warunki audio.cpp
MOSS-TTS Nanoaudio.cppOpcjonalna próbka Dokładne warianty (2) `moss_tts_nano_100m_bf16`bf16 `moss_tts_nano_100m_q8_0`q8_0	Udokumentowane języki arabski, czeski, duński, niemiecki, grecki +14 angielski (en), hiszpański (es), perski (fa), francuski (fr), węgierski (hu), włoski (it), japoński (ja), koreański (ko), polski (pl), portugalski (pt), rosyjski (ru), szwedzki (sv), turecki (tr), chiński (zh)	Próbkowanie · Podział tekstu · Ziarno losowania Parametry generowania `max_tokensactive_codebooksdo_sampletemperaturetop_ptop_krepetition_penaltytext_temperaturetext_top_ptext_top_kseedtext_chunk_sizetext_chunk_mode`	Apache-2.0 Karta modelu i warunki audio.cpp
MOSS-TTS v1.5audio.cppOpcjonalna próbka Dokładne warianty (3) `moss_tts_v15_bf16_codec_f16`bf16 `moss_tts_v15_q4_k_codec_f16`q4_k `moss_tts_v15_q8_0_codec_f16`q8_0	Udokumentowane języki angielski, chiński	Opis głosu Emocje w opisie lub instrukcji Próbkowanie · Podział tekstu · Ziarno losowania Parametry generowania `tokensseedtemperaturetop_ptop_krepetition_penaltytext_chunk_sizetext_chunk_mode`	Apache-2.0 Karta modelu i warunki audio.cpp
MOSS-TTSDaudio.cppOpcjonalna próbka Dokładne warianty (3) `moss_ttsd_bf16_codec_f16`bf16 `moss_ttsd_q4_k_codec_f16`q4_k `moss_ttsd_q8_0_codec_f16`q8_0	Udokumentowane języki angielski, chiński	Instrukcje odczytu Próbkowanie · Ziarno losowania Parametry generowania `seedtemperaturetop_ptop_krepetition_penaltymax_frames`	Apache-2.0 Karta modelu i warunki audio.cpp
NeuTTS 2Eaudio.cppGotowy głos Dokładne warianty (1) `neutts_2e_orig`orig	Udokumentowane języki angielski	Wybór emocji Emocje · Próbkowanie · Podział tekstu · Ziarno losowania Parametry generowania `emotionmax_tokensmin_tokenstemperaturetop_kseedtext_chunk_modetext_chunk_size`	Terms not verified Karta modelu i warunki audio.cpp
OmniVoiceaudio.cppOpcjonalna próbka · Projektowanie głosu Dokładne warianty (4) `omnivoice_bf16`bf16 `omnivoice_f16`f16 `omnivoice_q8_0`q8_0 `omnivoice_safetensors`native	Udokumentowane języki albański arboreski, Afade, arabski algierski saharyjski, abchaski, Bankon +641 Abua (abn), Abron (abr), Ambonese Malay (abs), Baharna Arabic (abv), arabski mezopotamski (acm), Hijazi Arabic (acw), arabski omański (acx), Dhofari Arabic (adf), tybetański amdo (adx), adygejski (ady), arabski tunezyjski (aeb), arabski saudyjski (aec), afrikaans (af), Gulf Arabic (afb), Eloyi (afo), Igo (ahl), Ashe (ahs), Aja (Benin) (ajg), arabski judeo-marokański (aju), Alago (ala), albański gegijski (aln), Larike-Wakasihu (alo), amharski (am), Guerrero Amuzgo (amu), aragoński (an), angas (anc), geomaj (ank), angika (anp), Anaang (anw), Ömie (aom), Levantine Arabic (apc), arabski sudański (apd), arabski standardowy (arb), arabski algierski (arq), Najdi Arabic (ars), arabski marokański (ary), arabski egipski (arz), asamski (as), asturyjski (ast), Eastern Egyptian Bedawi Arabic (avl), Awak (awo), arabski libijski (ayl), arabski północnomezopotamski (ayp), azerbejdżański (az), baszkirski (ba), Tuki (bag), basa (Kamerun) (bas), Bamun (bax), Baatonum (bba), Ghomálá' (bbj), bacbijski (bbl), Kulung (Nigeria) (bbu), Bamenyam (bce), Baoulé (bci), Kohumono (bcs), Bacama (bcy), Bayot (bda), bade (bde), Buduma (bdm), białoruski (be), Bebele (beb), Betawi (bew), Bafut (bfd), balti (bft), bułgarski (bg), baluczi wschodni (bgp), bhili (bhb), bucharski (bhh), bhodźpuri (bho), Bima (bhp), malagaski bara (bhr), Kanauji (bjj), Barok (bjk), banjar (bjn), Balanta-Ganja (bjt), Bakoko (bkh), Kom (Cameroon) (bkm), Bokyi (bky), malagaski betsimisaraka północny (bmm), Bomu (bmq), bengalski (bn), Batanga (bnm), bunun (bnn), Bundeli (bns), tybetański (bo), bondei (bou), Bago-Kusuntu (bqg), bretoński (br), bradź (bra), brahui (brh), Mokpwe (bri), bodo (Indie) (brx), bośniacki (bs), kati (bsh), Bangwinji (bsj), buruszaski (bsk), batacki mandailing (btm), Bateri (btv), bugijski (bug), bulu (Kamerun) (bum), Terei (buo), boghom (bux), bura (bwr), Bilur (bxf), Ubaghara (byc), burak (bys), Medumba (byv), Qaqet (byx), malagaski betsimisaraka południowy (bzc), Basa (Nigeria) (bzw), kataloński (ca), Samba Daka (ccg), cebuański (ceb), Cen (cen), Dijim-Bwilim (cfa), chiga (cgg), Quiotepec Chinantec (chq), Chokwe (cjk), sorani (ckb), czibak (ckl), Kairak (ckr), Cakfem-Mushere (cky), Hakha Chin (cnh), South Ucayali Ashéninka (cpy), czeski (cs), Tepinapa Chinantec (cte), Tlacoatzintepec Chinantec (ctl), Teutila Cuicatec (cut), Tepeuxila Cuicatec (cux), czuwaski (cv), walijski (cy), duński (da), Dagbani (dag), dargwijski (dar), taita (dav), Dadiya (dbd), Deccan (dcc), niemiecki (de), Degema (deg), dghwede (dgh), dogri (dgo), dżerma (dje), Domaaki (dmk), dameli (dml), rukai (dru), Dotyali (dty), duala (dua), malediwski (dv), diula (dyu), Dazaga (dzg), Ebrié (ebr), Embu (ebu), Eggon (ego), Askopan (eiv), Koti (eko), Yace (ekr), grecki (el), Eleme (elm), angielski (en), esperanto (eo), hiszpański (es), jupik środkowy (esu), estoński (et), eton (Kamerun) (eto), Yekhee (ets), Ejagham (etu), baskijski (eu), ewondo; yaunde (ewo), Extremaduran (ext), Keiyo (eyo), perski (fa), fang (Gwinea Równikowa) (fan), fanti (fat), fulani (ff), Maasina Fulfulde (ffm), fiński (fi), Nobiin (fia), pilipino (fil), fipa (fip), Kirya-Konzəl (fkk), Fe'fe' (fmp), francuski (fr), Adamawa Fulfulde (fub), Pulaar (fuc), Borgu Fulfulde (fue), Pular (fuf), Western Niger Fulfulde (fuh), Bagirmi Fulfulde (fui), Central-Eastern Niger Fulfulde (fuq), Nigerian Fulfulde (fuv), zachodniofryzyjski (fy), irlandzki (ga), garhwali (gbm), Gbagyi (gbr), Gbari (gby), Mali (gcc), guduf (gdf), Gen (gej), Geser-Gorom (ges), Gurgula (ggg), gidar (gid), Goaria (gig), gisiga południowy (giz), Kachi Koli (gjk), Gujari (gju), galicyjski (gl), glavda (glw), guarani (gn), Gola (gol), Goan Konkani (gom), Gusilay (gsl), gudżarati (gu), guarani wschodnioboliwijski (gui), Farefare (gur), gusii (guz), manx (gv), Gawri (gwc), Gweno (gwe), gawar-bati (gwt), Northwest Gbaya (gya), gedżi (gyz), hausa (ha), Hahon (hah), Hakö (hao), hawajski (haw), hazaragi (haz), kilba (hbb), hebrajski (he), Hemba (hem), hindi (hi), lamang (hia), hujnara (hkk), Halia (hla), hindko północny (hno), Hadothi (hoj), chorwacki (hr), górnołużycki (hsb), kreolski haitański (ht), węgierski (hu), San Francisco Del Mar Huave (hue), Hula (hul), Nüpode Huitoto (hux), hona (hwo), ormiański (hy), herero (hz), interlingua (ia), ibibio (ibb), indonezyjski (id), Idakho-Isukha-Tiriki (ida), Idoma (idu), igbo (ig), Izon (ijc), Kalabari (ijn), inupiak (ik), Ikwere (ikw), islandzki (is), Esan (ish), Isoko (iso), włoski (it), Isekiri (its), Ito (itw), itza (itz), japoński (ja), Yalahatan (jal), Jambi Malay (jax), Ngomba (jgo), Western Juxtlahuaca Mixtec (jmx), Jaunsari (jns), Jaqaru (jqr), Wapan (juk), Jiba (juo), jawajski (jv), gruziński (ka), kabylski (kab), karekare (kai), Jju (kaj), kamba (Kenia) (kam), kabardyjski (kbd), kanembu (kbl), Abadi (kbt), Kamo (kcq), Tem (kdh), kabuverdianu, kreolski Wysp Zielonego Przylądka (kea), Akebu (keu), kota (Indie) (kfe), Kinnauri (kfk), Korwa (kfp), tybetański kham (khg), khowar (khw), kwanyama (kj), Coastal Konjo (kjc), Highland Konjo (kjk), kazachski (kk), Kalenjin (kln), Kalasha (kls), khmerski (km), kurdyjski północny (kmr), Koma (kmy), kannada (kn), kanakuru (kna), konkani (knn), koreański (ko), kol (Papua Nowa Gwinea) (kol), konjo (koo), Ikposo (kpo), Eastern Krahn (kqo), kaszmirski (ks), Kuanua (ksd), bafia (ksf), kuot (kto), Kushi (kuh), Parkari Koli (kvx), kornijski (kw), Kwambi (kwm), Wadiyara Koli (kxp), kirgiski (ky), Rapoisi (kyx), Rangi (lag), luksemburski (lb), Tungag (lcm), Dũya (ldb), ganda (lg), liguryjski (lij), angielski liberyjski (lir), Kabras (lkb), Lala-Roba (lla), lingala (ln), longuda (lnu), laotański (lo), Loloda (loa), Loarki (lrk), Lasi (lss), litewski (lt), łatgalski (ltg), Tsotso (lto), luba-lulua (lua), luo (Kenia i Tanzania) (luo), mizo; lushai (lus), łotewski (lv), Wanga (lwg), Yutanduchi Mixtec (mab), matakam (maf), maithili (mai), Huautla Mazatec (mau), North Moluccan Malay (max), mbo (Kamerun) (mbo), Matsés (mcf), Masana (mcn), Mpiemo (mcx), mbum (mdd), maba (Czad) (mde), moksza (mdf), Mekeo (mek), Meru (mer), motu (meu), margi południowy (mfm), Cross River Mbembe (mfn), Mbe (mfo), Mandjak (mfv), Mpumpong (mgg), Lijili (mgi), Mungaka (mhk), maryjski wschodni (mhr), maoryjski (mi), San Miguel El Grande Mixtec (mig), Cacaloxtepec Mixtec (miu), macedoński (mk), miya (mkf), Dhatki (mki), malajalam (ml), Western Maninkakan (mlq), mongolski (mn), Naba (mne), manipuri (mni), Manggarai (mqy), marathi (mr), maryjski zachodni (mrj), maria (Indie) (mrr), margi (mrt), malajski (ms), Musey (mse), malagaski masikoro (msh), Mansoanka (msw), maltański (mt), Mewari (mtr), Tututepec Mixtec (mtu), Tidaá Mixtec (mtx), Mundang (mua), Musgu (mug), Musi (mui), Marwari (Pakistan) (mve), Indus Kohistani (mvy), Huitepec Mixtec (mxs), mada (Kamerun) (mxu), Southeastern Nochixtlán Mixtec (mxy), birmański (my), erzja (myv), Mazatlán Mixe (mzl), Nalik (nal), chiński minnański (nan), neapolitański (nap), norweski (bokmål) (nb), ngamo (nbh), Notsi (ncf), Sibe (nco), Central Puebla Nahuatl (ncx), Samba Leko (ndi), ndonga (ng), ngizim (ngi), Tetelcingo Nahuatl (nhg), Zacatlán-Ahuacatlán-Tepetzintla Nahuatl (nhi), Central Nahuatl (nhn), Huaxcaleca Nahuatl (nhq), nzangi (nja), niderlandzki (nl), Ngombale (nla), Orizaba Nahuatl (nlv), Kwasio (nmg), Nawdm (nmz), norweski (nynorsk) (nn), Ngiemboon (nnh), norweski (no), Nimadi (noe), nepalski (npi), sotho północny (nso), njandża (ny), Nyungwe (nyu), oksytański (oc), Od (odk), Odual (odu), Khana (ogo), oromo (om), Orma (orc), ormuri (oru), Odia (ory), osetyjski (os), pendżabski (pa), Central Pame (pbs), paszto południowy (pbt), paszto północny (pbu), pidżyn nigeryjski (pcm), Petats (pex), phalura (phl), pahari-potwari (phr), pero (pip), Piya-Kwonci (piy), Pökoot (pko), polski (pl), Kohistani Shina (plk), malagaski plateau (plt), Northern Pame (pmq), piemoncki (pms), Papuan Malay (pmy), pendżabski zachodni (pnb), Poqomam (poc), San Juan Atzingo Popoloca (poe), San Felipe Otlaltepec Popoloca (pow), Ashéninka Perené (prq), paszto (ps), paszto środkowy (pst), portugalski (pt), Western Highland Purepecha (pua), paiwan (pwn), Chimborazo Highland Quichua (qug), sipakapense (qum), Southern Pastaza Quechua (qup), Yanahuanca Pasco Quechua (qur), Santiago del Estero Quichua (qus), Sacapulteco (quv), Yauyos Quechua (qux), Ayacucho Quechua (quy), Ambo-Pasco Quechua (qva), Imbabura Highland Quichua (qvi), Loja Highland Quichua (qvj), Cajatambo North Lima Quechua (qvl), Corongo Ancash Quechua (qwa), Sihuas Ancash Quechua (qws), Chiquián Ancash Quechua (qxa), Puno Quechua (qxp), Santa Ana de Tusi Pasco Quechua (qxt), Arequipa-La Unión Quechua (qxu), Jauja Wanca Quechua (qxw), Logooli (rag), retoromański (rm), rumuński (ro), Tae' (rob), Rombo (rof), rotokas (roo), Ratahan (rth), rosyjski (ru), arumuński (rup), kinya-ruanda (rw), sanskryt (sa), jakucki (sah), santali (sat), Saleman (sau), saya (say), Sindhi Bhil (sbn), sardyński (sc), shina (scl), sycylijski (scn), sindhi (sd), Seri (sei), arabski czadzki (shu), syngaleski (si), Sikkimese (sip), Siwai (siw), Siar-Lak (sjr), słowacki (sk), malagaski sakalava (skg), saraiki (skr), słoweński (sl), shona (sn), Sinaugoro (snc), soninke (snk), somalijski (so), Solos (sol), Saposa (sps), albański (sq), serbski (sr), środkowosardyński, logudorski (src), południowosardyński, kampidański (sro), Sansi (ssi), Liana-Seti (ste), sulka (sua), szwedzki (sv), swański (sva), suahili (sw), Sakizaya (szy), tamilski (ta), tangale (tan), Central Tarahumara (tar), atayal (tay), Mandara (tbf), Malinaltepec Me'phaa (tcf), tulu (tcy), Tondano (tdn), malagaski tandroy-mahafaly (tdx), telugu (te), tadżycki (tg), Tigak (tgc), tajski (th), Chitwania Tharu (the), Kochila Tharu (thq), Rana Tharu (thr), tamahaq (thv), tigrinia (ti), tigre (tig), Teop (tio), turkmeński (tk), malagaski tesaka (tkg), Kathoriya Tharu (tkt), tlingit (tli), Filomena Mata-Coahuitlán Totonac (tlp), setswana (tn), Toki Pona (tok), Tlacoapa Me'phaa (tpl), Tinputz (tpz), Tomoip (tqp), turecki (tr), kokborok (trp), San Martín Itunyoso Triqui (trq), Sediq (trv), torwali (trw), tatarski (tt), Tooro (ttj), tera (ttr), Torau (ttu), Tupuri (tui), Tula (tul), Tedaga (tuq), Turkana (tuv), Tugen (tuy), tidore (tvo), banen (tvu), akan (tw), Termanu (twu), Tonsea (txs), malagaski tanosy (txy), uldeme (udl), ujgurski (ug), ukraiński (uk), kui (Indie) (uki), umbundu (umb), urdu (ur), Ushojo (ush), uzbecki (uz), północnouzbecki (uzn), wai (vai), Huarijio (var), Mom Jango (ver), wietnamski (vi), Juxtlahuaca Mixtec (vmc), Ixtayutla Mixtec (vmj), Mitlatongo Mixtec (vmm), Soyaltepec Mazatec (vmp), Mazatlán Mazatec (vmz), wotycki (vot), Võro (vro), wachański (wbl), Waci Gbe (wci), Wemale (weo), Cameroon Pidgin (wes), waja (wja), wardżi (wji), wolof (wo), wolof gambijski (wof), khosa (xh), khetrani (xhe), Kalkoti (xka), megrelski (xmf), malagaski antankarana (xmv), malagaski tsimihety (xmw), Liberia Kpelle (xpe), Sinicahua Mixtec (xti), Cuyamecalco Mixtec (xtu), Yaqui (yaq), Yangben (yav), Agwagwune (yay), jidisz wschodni (ydd), yidgański (ydg), Tarok (yer), Nyankpa (yes), jidysz (yi), joruba (yo), chiński kantoński (yue), kinga (zga), standardowy tamazight marokański (zgh), chiński (zh), Copainalá Zoque (zoc), Chimalapa Zoque (zoh), Rayón Zoque (zor), Chichicapan Zapotec (zpv), Mazaltepec Zapotec (zpy), Xanaguía Zapotec (ztg), Santa Catarina Albarradas Zapotec (ztn), Loxicha Zapotec (ztp), Tilquiapan Zapotec (zts), Güilá Zapotec (ztu), zulu (zu), zazaki (zza)	Instrukcje odczytu Projektowanie głosu Emocje w opisie lub instrukcji Tempo · Długość · Siła sterowania · Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `seednum_inference_stepsguidance_scalespeedduration_sect_shiftdenoisepreprocess_promptpostprocess_outputlayer_penalty_factorposition_temperatureclass_temperatureaudio_chunk_duration_secaudio_chunk_threshold_sectext_chunk_sizetext_chunk_mode` Zdarzenia głosowe laugh, sigh	CC-BY-NC-4.0 Karta modelu i warunki audio.cpp
OuteTTSaudio.cppOpcjonalna próbka Dokładne warianty (1) `outetts_1_0_1b_q8_0`q8_0	Udokumentowane języki arabski, białoruski, bengalski, niemiecki, angielski +18 hiszpański (es), perski (fa), francuski (fr), węgierski (hu), włoski (it), japoński (ja), gruziński (ka), koreański (ko), litewski (lt), łotewski (lv), niderlandzki (nl), polski (pl), portugalski (pt), rosyjski (ru), suahili (sw), tamilski (ta), ukraiński (uk), chiński (zh)	Próbkowanie · Podział tekstu · Ziarno losowania Parametry generowania `max_tokenstemperaturetop_ktop_pmin_prepetition_penaltyrepetition_windowseedtext_chunk_sizetext_chunk_mode`	CC-BY-NC-SA-4.0 Karta modelu i warunki audio.cpp
Piper · Lessacaudio.cppGotowy głos Dokładne warianty (1) `piper_lessac_medium_orig`orig	Udokumentowane języki angielski	Tempo · Podział tekstu · Ziarno losowania Parametry generowania `speedvariationduration_variationseedtext_chunk_modetext_chunk_size`	Voice / dataset-specific terms Karta modelu i warunki audio.cpp
Pocket TTSaudio.cppTryb mieszany Dokładne warianty (13) `pocket_tts_english_bf16`bf16 angielski Tryb mieszany `pocket_tts_english_q8_0`q8_0 angielski Tryb mieszany `pocket_tts_english_safetensors`native angielski Tryb mieszany `pocket_tts_french_bf16`bf16 francuski Tryb mieszany `pocket_tts_french_q8_0`q8_0 francuski Tryb mieszany `pocket_tts_german_bf16`bf16 niemiecki Tryb mieszany `pocket_tts_german_q8_0`q8_0 niemiecki Tryb mieszany `pocket_tts_italian_bf16`bf16 włoski Tryb mieszany `pocket_tts_italian_q8_0`q8_0 włoski Tryb mieszany `pocket_tts_portuguese_bf16`bf16 portugalski Tryb mieszany `pocket_tts_portuguese_q8_0`q8_0 portugalski Tryb mieszany `pocket_tts_spanish_bf16`bf16 hiszpański Tryb mieszany `pocket_tts_spanish_q8_0`q8_0 hiszpański Tryb mieszany	Zależnie od wariantu niemiecki, angielski, hiszpański, francuski, włoski +1 portugalski (pt)	Próbkowanie · Podział tekstu · Ziarno losowania Parametry generowania `frames_after_eosmax_stepsmax_tokenstemperatureseednoise_clampeos_thresholdtruncate_clone_audiotext_chunk_size`	CC-BY-4.0 Karta modelu i warunki audio.cpp
Qwen3 TTSaudio.cppPróbka referencyjna · Gotowy głos · Projektowanie głosu Dokładne warianty (10) `qwen3_tts_0_6b_base_bf16`bf16 Próbka referencyjna `qwen3_tts_0_6b_base_q8_0`q8_0 Próbka referencyjna `qwen3_tts_1_7b_base_bf16`bf16 Próbka referencyjna Źródło wariantu `qwen3_tts_1_7b_base_orig`orig Próbka referencyjna Źródło wariantu `qwen3_tts_1_7b_base_q8_0`q8_0 Próbka referencyjna Źródło wariantu `qwen3_tts_1_7b_base_safetensors`native Próbka referencyjna Źródło wariantu `qwen3_tts_1_7b_customvoice_bf16`bf16 Gotowy głos Źródło wariantu `qwen3_tts_1_7b_customvoice_q8_0`q8_0 Gotowy głos Źródło wariantu `qwen3_tts_1_7b_voicedesign_bf16`bf16 Projektowanie głosu · Projektowanie głosu Źródło wariantu `qwen3_tts_1_7b_voicedesign_q8_0`q8_0 Projektowanie głosu · Projektowanie głosu Źródło wariantu	Udokumentowane języki niemiecki, angielski, hiszpański, francuski, włoski +5 japoński (ja), koreański (ko), portugalski (pt), rosyjski (ru), chiński (zh)	Funkcje zależą od wariantu Porównaj warianty Qwen3 TTS 12Hz 0.6B Base / Qwen3 TTS 12Hz 1.7B Base / Qwen3 TTS 12Hz 1.7B Base Original-Dtype GGUF / Qwen3 TTS 12Hz 1.7B Base Safetensors qwen3_tts_0_6b_base_bf16, qwen3_tts_0_6b_base_q8_0, qwen3_tts_1_7b_base_bf16, qwen3_tts_1_7b_base_orig, qwen3_tts_1_7b_base_q8_0, qwen3_tts_1_7b_base_safetensors Próbkowanie · Podział tekstu · Ziarno losowania Parametry generowania `seedmax_tokensdo_sampletemperaturetop_ktop_prepetition_penaltysubtalker_do_samplesubtalker_temperaturesubtalker_top_ksubtalker_top_ptext_chunk_size` Qwen3 TTS 12Hz 1.7B CustomVoice qwen3_tts_1_7b_customvoice_bf16, qwen3_tts_1_7b_customvoice_q8_0 Instrukcje odczytu Emocje w opisie lub instrukcji Próbkowanie · Podział tekstu · Ziarno losowania Parametry generowania `seedmax_tokensdo_sampletemperaturetop_ktop_prepetition_penaltysubtalker_do_samplesubtalker_temperaturesubtalker_top_ksubtalker_top_ptext_chunk_size` Qwen3 TTS 12Hz 1.7B VoiceDesign qwen3_tts_1_7b_voicedesign_bf16, qwen3_tts_1_7b_voicedesign_q8_0 Opis głosu Projektowanie głosu Emocje w opisie lub instrukcji Próbkowanie · Podział tekstu · Ziarno losowania Parametry generowania `seedmax_tokensdo_sampletemperaturetop_ktop_prepetition_penaltysubtalker_do_samplesubtalker_temperaturesubtalker_top_ksubtalker_top_ptext_chunk_size`	Apache-2.0 Karta modelu i warunki audio.cpp
sanoTTSaudio.cppGotowy głos Dokładne warianty (18) `sanotts_amy_orig`orig angielski Gotowy głos `sanotts_cs_orig`orig czeski Gotowy głos `sanotts_de_orig`orig niemiecki Gotowy głos `sanotts_es_orig`orig hiszpański Gotowy głos `sanotts_fr_orig`orig francuski Gotowy głos `sanotts_heart_nano_orig`orig angielski Gotowy głos `sanotts_heart_orig`orig angielski Gotowy głos `sanotts_hfc_orig`orig angielski Gotowy głos `sanotts_hi_orig`orig hindi Gotowy głos `sanotts_id_orig`orig indonezyjski Gotowy głos `sanotts_it_orig`orig włoski Gotowy głos `sanotts_kristin_orig`orig angielski Gotowy głos `sanotts_ne_orig`orig nepalski Gotowy głos `sanotts_pt_orig`orig portugalski Gotowy głos `sanotts_ro_orig`orig rumuński Gotowy głos `sanotts_ru_orig`orig rosyjski Gotowy głos `sanotts_tr_orig`orig turecki Gotowy głos `sanotts_vi_orig`orig wietnamski Gotowy głos	Zależnie od wariantu czeski, niemiecki, angielski, hiszpański, francuski +9 hindi (hi), indonezyjski (id), włoski (it), nepalski (ne), portugalski (pt), rumuński (ro), rosyjski (ru), turecki (tr), wietnamski (vi)	Funkcje zależą od wariantu Porównaj warianty sanoTTS amy 1.46M FP32 GGUF (English, piperlite) / sanoTTS cs 1.57M FP32 GGUF (Czech, piperlite) / sanoTTS de 1.57M FP32 GGUF (German, piperlite) / sanoTTS es 1.56M FP32 GGUF (Spanish, piperlite) / sanoTTS fr 1.57M FP32 GGUF (French, piperlite) / sanoTTS hfc 1.83M FP32 GGUF (English, piperlite) / sanoTTS hi 1.50M FP32 GGUF (Hindi, piperlite) / sanoTTS id 1.56M FP32 GGUF (Indonesian, piperlite) / sanoTTS it 1.57M FP32 GGUF (Italian, piperlite) / sanoTTS kristin 1.40M FP32 GGUF (English, piperlite) / sanoTTS ne 1.47M FP32 GGUF (Nepali, piperlite) / sanoTTS pt 1.57M FP32 GGUF (Portuguese (Brazil), piperlite) / sanoTTS ro 1.57M FP32 GGUF (Romanian, piperlite) / sanoTTS ru 1.57M FP32 GGUF (Russian, piperlite) / sanoTTS tr 1.56M FP32 GGUF (Turkish, piperlite) / sanoTTS vi 1.57M FP32 GGUF (Vietnamese, piperlite) sanotts_amy_orig, sanotts_cs_orig, sanotts_de_orig, sanotts_es_orig, sanotts_fr_orig, sanotts_hfc_orig, sanotts_hi_orig, sanotts_id_orig, sanotts_it_orig, sanotts_kristin_orig, sanotts_ne_orig, sanotts_pt_orig, sanotts_ro_orig, sanotts_ru_orig, sanotts_tr_orig, sanotts_vi_orig Tempo · Podział tekstu Parametry generowania `speaking_ratetext_chunk_sizetext_chunk_mode` sanoTTS heart-nano 294k FP32 GGUF / sanoTTS heart 2.27M FP32 GGUF sanotts_heart_nano_orig, sanotts_heart_orig Tempo · Podział tekstu · Ziarno losowania Parametry generowania `speaking_ratetext_chunk_sizetext_chunk_modeseed`	Weight terms not verified Karta modelu i warunki audio.cpp
Silero TTSsileroGotowy głos Dokładne warianty (9) `v5_cis_base_nostress` azerbejdżański, baszkirski, białoruski, czuwaski, ormiański, gruziński, kabardyjski, chakaski, kazachski, kirgiski, moksza, erzja, rosyjski, jakucki, tadżycki, tatarski, udmurcki, ukraiński, uzbecki, kałmucki Gotowy głos `v5_cis_ext` czuwaski, kazachski, tatarski, ukraiński, uzbecki, kałmucki Gotowy głos `v5_5_ru` rosyjski Gotowy głos `v3_en` angielski Gotowy głos `v3_en_indic` angielski (Indie) Gotowy głos `v3_de` niemiecki Gotowy głos `v3_es` hiszpański Gotowy głos `v3_fr` francuski Gotowy głos `v3_indic` bengalski, gudżarati, hindi, kannada, malajalam, manipuri, radźasthani, tamilski, telugu Gotowy głos	Zależnie od wariantu azerbejdżański, baszkirski, białoruski, bengalski, czuwaski +29 niemiecki (de), angielski (en), angielski (Indie) (en-in), hiszpański (es), francuski (fr), gudżarati (gu), hindi (hi), ormiański (hy), gruziński (ka), kabardyjski (kbd), chakaski (kjh), kazachski (kk), kannada (kn), kirgiski (ky), moksza (mdf), malajalam (ml), manipuri (mni), erzja (myv), radźasthani (raj), rosyjski (ru), jakucki (sah), tamilski (ta), telugu (te), tadżycki (tg), tatarski (tt), udmurcki (udm), ukraiński (uk), uzbecki (uz), kałmucki (xal)	Tempo · Akcent wyrazowy Parametry generowania `speedsample_ratestress`	Licencje poszczególnych wariantów MIT v5_cis_base_nostress Warunki modelu CC-BY-NC-SA-4.0 v5_cis_ext, v5_5_ru, v3_en, v3_en_indic, v3_de, v3_es, v3_fr, v3_indic Warunki modelu Źródło modelu
Sopranoaudio.cppGotowy głos Dokładne warianty (2) `soprano_1_1_80m_bf16`bf16 `soprano_1_1_80m_q8_0`q8_0	Udokumentowane języki angielski	Próbkowanie · Ziarno losowania Parametry generowania `max_tokenstemperaturetop_prepetition_penaltyeos_biasseed`	Apache-2.0 Karta modelu i warunki audio.cpp
Sopro v2 Turboaudio.cppPróbka referencyjna Dokładne warianty (2) `sopro_v2_turbo_f16`f16 `sopro_v2_turbo_safetensors`orig	Udokumentowane języki niemiecki, angielski, francuski, portugalski	Długość · Próbkowanie · Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `temperaturetop_ptop_knum_inference_stepsmax_secondsmin_secondstext_chunk_sizeseed`	Apache-2.0 Karta modelu i warunki audio.cpp
Supertonicaudio.cppGotowy głos Dokładne warianty (4) `supertonic_3_f16`f16 `supertonic_3_orig`orig `supertonic_3_q8_0`q8_0 `supertonic_3_safetensors`native	Udokumentowane języki arabski, bułgarski, czeski, duński, niemiecki +26 grecki (el), angielski (en), hiszpański (es), estoński (et), fiński (fi), francuski (fr), hindi (hi), chorwacki (hr), węgierski (hu), indonezyjski (id), włoski (it), japoński (ja), koreański (ko), litewski (lt), łotewski (lv), niderlandzki (nl), polski (pl), portugalski (pt), rumuński (ro), rosyjski (ru), słowacki (sk), słoweński (sl), szwedzki (sv), turecki (tr), ukraiński (uk), wietnamski (vi)	Tempo · Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `num_inference_stepsspeedseedtext_chunk_sizetext_chunk_mode`	OpenRAIL-M Karta modelu i warunki audio.cpp
Tencent AuKaudio.cppOpcjonalna próbka Dokładne warianty (6) `auk_base_f16`f16 Opcjonalna próbka `auk_base_f32`f32 Opcjonalna próbka `auk_base_q8_0`q8_0 Opcjonalna próbka `auk_flash_f16`f16 Opcjonalna próbka Źródło wariantu `auk_flash_f32`f32 Opcjonalna próbka Źródło wariantu `auk_flash_q8_0`q8_0 Opcjonalna próbka Źródło wariantu	Lista języków nie jest opublikowana	Funkcje zależą od wariantu Porównaj warianty AuK Base auk_base_f16, auk_base_f32, auk_base_q8_0 Opis głosu Długość · Siła sterowania · Kroki syntezy · Ziarno losowania Parametry generowania `duration_secnum_inference_stepsguidance_scalesway_sampling_coefseed` AuK-Flash auk_flash_f16, auk_flash_f32, auk_flash_q8_0 Opis głosu Długość · Ziarno losowania Parametry generowania `duration_secseed`	MIT Karta modelu i warunki audio.cpp
VibeVoiceaudio.cppGotowy głos Dokładne warianty (3) `vibevoice_1_5b_bf16`bf16 `vibevoice_1_5b_q8_0`q8_0 `vibevoice_7b_q8_0`q8_0 Źródło wariantu	Udokumentowane języki angielski, chiński	Próbkowanie · Siła sterowania · Kroki syntezy · Ziarno losowania Parametry generowania `num_inference_stepsguidance_scalemax_length_timesmax_tokensdo_sampletemperaturetop_ktop_pseed`	Licencje poszczególnych wariantów MIT vibevoice_1_5b_bf16, vibevoice_1_5b_q8_0 Warunki modelu Converted weight terms not verified vibevoice_7b_q8_0 Warunki modelu Karta modelu i warunki audio.cpp
VoiceTutaudio.cppOpcjonalna próbka · Projektowanie głosu Dokładne warianty (2) `voicetut_tts_f16`f16 `voicetut_tts_q8_0`q8_0	Udokumentowane języki arabski egipski	Instrukcje odczytu Projektowanie głosu Emocje w opisie lub instrukcji Tempo · Długość · Siła sterowania · Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `seednum_inference_stepsguidance_scalespeedduration_sect_shiftdenoisepreprocess_promptpostprocess_outputlayer_penalty_factorposition_temperatureclass_temperatureaudio_chunk_duration_secaudio_chunk_threshold_sectext_chunk_sizetext_chunk_mode` Zdarzenia głosowe laugh, sigh	Apache-2.0 fine-tune; separate base and tokenizer terms Karta modelu i warunki audio.cpp
VoxCPMaudio.cppPróbka referencyjna Dokładne warianty (1) `voxcpm1_0_5b_q8_0`q8_0	Lista częściowa angielski, chiński	Siła sterowania · Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `text_chunk_modeseedmax_tokensmin_tokensnum_inference_stepsguidance_scaleretry_badcaseretry_badcase_max_timesretry_badcase_ratio_threshold`	Apache-2.0 Karta modelu i warunki audio.cpp
VoxCPM2audio.cppOpcjonalna próbka · Projektowanie głosu Dokładne warianty (4) `voxcpm2_bf16`bf16 `voxcpm2_orig`orig `voxcpm2_q8_0`q8_0 `voxcpm2_safetensors`native	Lista częściowa arabski, duński, niemiecki, grecki, angielski +25 hiszpański (es), fiński (fi), francuski (fr), hebrajski (he), hindi (hi), indonezyjski (id), włoski (it), japoński (ja), khmerski (km), koreański (ko), laotański (lo), malajski (ms), birmański (my), niderlandzki (nl), norweski (no), polski (pl), portugalski (pt), rosyjski (ru), szwedzki (sv), suahili (sw), tajski (th), filipiński (tl), turecki (tr), wietnamski (vi), chiński (zh)	Instrukcje odczytu Projektowanie głosu Emocje w opisie lub instrukcji Siła sterowania · Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `min_tokensmax_tokensnum_inference_stepsguidance_scaleretry_badcaseretry_badcase_max_timesretry_badcase_ratio_thresholdseedchunk_strategytext_chunk_sizetext_chunk_mode`	Apache-2.0 Karta modelu i warunki audio.cpp
Voxtral TTSvoxtralGotowy głos Wybór środowiska (3) To selektory środowiska. Konkretny model zależy od uruchomionego serwera. `auto` `gguf` `bf16`	Deklaracja źródła arabski, niemiecki, angielski, hiszpański, francuski +4 hindi (hi), włoski (it), niderlandzki (nl), portugalski (pt)	Domyślne ustawienia modelu	CC-BY-NC-4.0 Karta modelu i warunki
Voxtral TTSaudio.cppGotowy głos Dokładne warianty (2) `voxtral_4b_tts_2603_bf16`bf16 `voxtral_4b_tts_2603_q8_0`q8_0	Udokumentowane języki arabski, niemiecki, angielski, hiszpański, francuski +4 hindi (hi), włoski (it), niderlandzki (nl), portugalski (pt)	Siła sterowania · Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `max_tokensnum_inference_stepsguidance_scaleseedtext_chunk_sizetext_chunk_mode`	CC-BY-NC-4.0 Karta modelu i warunki audio.cpp
XTTS v2xttsPróbka referencyjna Dokładne warianty (1) `tts_models/multilingual/multi-dataset/xtts_v2`	Deklaracja źródła arabski, czeski, niemiecki, angielski, hiszpański +12 francuski (fr), hindi (hi), węgierski (hu), włoski (it), japoński (ja), koreański (ko), niderlandzki (nl), polski (pl), portugalski (pt), rosyjski (ru), turecki (tr), chiński uproszczony (zh-hans)	Tempo Parametry generowania `speed`	Coqui Public Model License 1.0.0 Warunki modelu Źródło modelu
ZipVoice Distillaudio.cppPróbka referencyjna Dokładne warianty (2) `zipvoice_distill_gguf`orig `zipvoice_distill_q8_0`q8_0	Udokumentowane języki angielski, chiński	Tempo · Siła sterowania · Kroki syntezy · Podział tekstu · Ziarno losowania Parametry generowania `text_chunk_sizetext_chunk_modeguidance_scalenum_inference_stepst_shiftspeedfeat_scaletarget_rmsseed`	Apache-2.0 Karta modelu i warunki audio.cpp

Instrukcje i emocje są wskazówkami. Sprawdź wynik na krótkiej próbce. Warunki wag modelu są oddzielne od licencji Pandratora i środowiska audio.cpp.

Transkrypcja i czasy słów

Rozpoznawanie języka, czasy słów i rozpoznawanie mówców to różne funkcje. Dla API transkrypcji sprawdź aktualną listę dostawcy.

Model	Wymienione języki	Czasy i uwagi
Whisper large-v3	100 Pokaż języki afrikaans (af), amharski (am), arabski (ar), asamski (as), azerbejdżański (az), baszkirski (ba), białoruski (be), bułgarski (bg), bengalski (bn), tybetański (bo), bretoński (br), bośniacki (bs), kataloński (ca), czeski (cs), walijski (cy), duński (da), niemiecki (de), grecki (el), angielski (en), hiszpański (es), estoński (et), baskijski (eu), perski (fa), fiński (fi), farerski (fo), francuski (fr), galicyjski (gl), gudżarati (gu), hausa (ha), hawajski (haw), hebrajski (he), hindi (hi), chorwacki (hr), kreolski haitański (ht), węgierski (hu), ormiański (hy), indonezyjski (id), islandzki (is), włoski (it), japoński (ja), jawajski (jw), gruziński (ka), kazachski (kk), khmerski (km), kannada (kn), koreański (ko), łaciński (la), luksemburski (lb), lingala (ln), laotański (lo), litewski (lt), łotewski (lv), malgaski (mg), maoryjski (mi), macedoński (mk), malajalam (ml), mongolski (mn), marathi (mr), malajski (ms), maltański (mt), birmański (my), nepalski (ne), niderlandzki (nl), norweski (nynorsk) (nn), norweski (no), oksytański (oc), pendżabski (pa), polski (pl), paszto (ps), portugalski (pt), rumuński (ro), rosyjski (ru), sanskryt (sa), sindhi (sd), syngaleski (si), słowacki (sk), słoweński (sl), shona (sn), somalijski (so), albański (sq), serbski (sr), sundajski (su), szwedzki (sv), suahili (sw), tamilski (ta), telugu (te), tadżycki (tg), tajski (th), turkmeński (tk), filipiński (tl), turecki (tr), tatarski (tt), ukraiński (uk), urdu (ur), uzbecki (uz), wietnamski (vi), jidysz (yi), joruba (yo), chiński kantoński (yue), chiński (zh)	Czasy słów przez CrispASR; szeroka obsługa języków.
Parakeet TDT 0.6B v3	25 Pokaż języki bułgarski (bg), chorwacki (hr), czeski (cs), duński (da), niderlandzki (nl), angielski (en), estoński (et), fiński (fi), francuski (fr), niemiecki (de), grecki (el), węgierski (hu), włoski (it), łotewski (lv), litewski (lt), maltański (mt), polski (pl), portugalski (pt), rumuński (ro), słowacki (sk), słoweński (sl), hiszpański (es), szwedzki (sv), rosyjski (ru), ukraiński (uk)	Natywne czasy słów dla wymienionych języków, w tym polskiego.
Qwen3 ASR 0.6B / 1.7B	30 Pokaż języki chiński (zh), angielski (en), chiński kantoński (yue), arabski (ar), niemiecki (de), francuski (fr), hiszpański (es), portugalski (pt), indonezyjski (id), włoski (it), koreański (ko), rosyjski (ru), tajski (th), wietnamski (vi), japoński (ja), turecki (tr), hindi (hi), malajski (ms), niderlandzki (nl), szwedzki (sv), duński (da), fiński (fi), polski (pl), czeski (cs), pilipino (fil), perski (fa), grecki (el), węgierski (hu), macedoński (mk), rumuński (ro)	Czasy są dostępne dla 20 języków przez aligner lub Canary. 10 języków rozpoznawania daje tylko tekst. Języki z czasami chiński (zh), angielski (en), chiński kantoński (yue), niemiecki (de), francuski (fr), hiszpański (es), portugalski (pt), włoski (it), koreański (ko), rosyjski (ru), japoński (ja), niderlandzki (nl), szwedzki (sv), duński (da), fiński (fi), polski (pl), czeski (cs), grecki (el), węgierski (hu), rumuński (ro)
Qwen3 Forced Aligner 0.6B	11 Pokaż języki chiński (zh), angielski (en), chiński kantoński (yue), francuski (fr), niemiecki (de), włoski (it), japoński (ja), koreański (ko), portugalski (pt), rosyjski (ru), hiszpański (es)	Wyrównywanie czasów. Obsługuje mniej języków niż Qwen3-ASR.
MOSS Transcribe-Diarize 0.9B	50+ Deklaracja autorów modelu Języki wymienione dla konkursu angielski, francuski, niemiecki, włoski, portugalski, hiszpański, japoński, koreański, rosyjski, tajski, wietnamski, filipiński, urdu, turecki To 14 języków konkursu MLC-SLM, a nie pełna lista obsługiwanych języków.	Czasy wypowiedzi z oznaczeniami mówców i automatyczną obsługą języka. Wyrównywanie słów ma węższy zakres języków. Autorzy modelu nie publikują pełnej listy.

Qwen3-ASR rozpoznaje polski; jego natywny aligner nie obsługuje polskiego. CrispASR używa obsługiwanej ścieżki zastępczej dla czasów. Nie wszystkie języki ASR mają taki wariant.

Formaty wejścia i wyjścia

Książka/tekst: TXT, PDF, EPUB, DOCX, MOBI, pasted text
Napisy wejściowe: SRT; VTT through supported caption import paths
Audio/wideo wejściowe: WAV, MP3, FLAC, M4A, MP4, MKV, MOV, WebM and other supported media formats
Audio wynikowe: M4B, MP3, Opus, FLAC, WAV
Napisy/tekst wynikowe: SRT, VTT, plain text; Quick Transcribe also offers JSON
Wideo wynikowe: MP4 with selectable or burned subtitles; narrated video-book output

DOCX i MOBI wymagają Calibre. Skany PDF mogą potrzebować OCR. Usługi lokalne mają różne wymagania pamięci i sprzętu; sprawdź wybrany pakiet w Managerze.

Pozostałe lokalne usługi mowy

Oprócz audio.cpp aplikacja ma poniższe konfiguracje usług. Niektóre wartości są selektorami zgodności, a nie nazwami wag modelu.

Silero: v5_cis_base_nostress, v5_cis_ext, v5_5_ru, v3_en, v3_en_indic, v3_de, v3_es, v3_fr, v3_indic
Voxtral: auto, gguf, bf16
XTTS: tts_models/multilingual/multi-dataset/xtts_v2