Qwen3-TTS

Model je open-source, přesné ceny mimo bezplatné demo nejsou v podkladech uvedeny.Převod text-na-řeč

Převádí psaný text na mluvenou řeč ve 3 režimech – vytvoření hlasu z popisu, klonování hlasu z audio vzorku nebo předdefinovaní mluvčí.

O nástroji

Qwen3-TTS je open-source rodina TTS modelů od Alibaba Cloud (tým Qwen), dostupná jako Hugging Face Space se třemi režimy: Voice Design (vytvoření vlastního hlasu z textového popisu), Voice Clone/Base (naklonování hlasu z referenčního audio vzorku během 3 sekund) a TTS/CustomVoice (generování řeči s předdefinovanými mluvčími – 9 prémiových hlasů podle pohlaví, věku, jazyka a dialektu). Model podporuje 10 jazyků včetně čínštiny, angličtiny, japonštiny, korejštiny, němčiny, francouzštiny, ruštiny, portugalštiny, španělštiny a italštiny. Modely byly trénovány na více než 5 milionech hodin řečových dat a využívají dual-track LM architekturu pro syntézu v reálném čase. Díky 12,5Hz tokenizeru s 16vrstvou multi-codebook architekturou dokáže systém vydat první audio paket už po 97 ms. K dispozici jsou varianty ve velikostech 1.7B a 0.6B parametrů, včetně samostatného tokenizeru (Qwen3-TTS-Tokenizer-12Hz) pro kódování a dekódování řeči. Celá rodina modelů a tokenizerů je uvolněna jako open source pro komunitní výzkum a vývoj, takže je vhodná pro vývojáře, tvůrce obsahu i výzkumníky pracující s generováním řeči. Informace o cenách použití mimo toto demo, přesných limitech bezplatného provozu ani o dostupnosti API nejsou v podkladech uvedeny.

Klíčové vlastnosti

Vytvoření hlasu z textového popisu
Klonování hlasu z 3sekundového audio vzorku
9 předdefinovaných prémiových hlasů
Podpora 10 jazyků včetně čínštiny a angličtiny

Časté dotazy

Co přesně Qwen3-TTS umí?

Převádí psaný text na mluvenou řeč ve třech režimech: vytvoření hlasu z popisu, klonování hlasu z audio vzorku nebo použití předdefinovaných mluvčích. Podporuje 10 jazyků a díky dual-track architektuře generuje řeč téměř v reálném čase.

Kolik stojí používání Qwen3-TTS?

Jde o open-source model dostupný zdarma jako demo na Hugging Face Space. Informace o cenách mimo toto demo ani o dostupnosti placeného API nejsou v podkladech uvedeny.

Pro koho je nástroj určený a jak začít?

Je vhodný pro vývojáře, tvůrce obsahu a výzkumníky pracující s generováním řeči – stačí otevřít demo na Hugging Face a vyzkoušet jeden ze tří režimů syntézy hlasu.

Kategorie

Převod text-na-řeč Úprava zvuku

AI novinky do e-mailu

Každý pátek 3 vybrané AI nástroje, prompt týdne a to nejdůležitější ze světa AI – přehledně, česky a bez balastu.

Jeden z nejstarších pravidelných českých AI newsletterů.

Podobné nástroje

Hledáte alternativu k Qwen3-TTS? Tady je 6 podobných nástrojů z kategorie Převod text-na-řeč.

Fliki

Freemium

Fliki je AI generátor videí, který mění text, scénáře nebo blogové příspěvky na hotová videa s A...

Otevřít detail99 %

Descript

Freemium

Descript je AI editor videa a podcastů, který umožňuje stříhat zvuk i video úpravou přepisu text...

Otevřít detail99 %

Mubert

Freemium

Generuje royalty-free hudbu pomocí AI z textových promptů nebo zadaných parametrů (nálada, délka...

Otevřít detail99 %

TTSMaker

Zdarma

Převádí text na mluvené slovo pomocí AI hlasů. TTSMaker je bezplatný online nástroj pro syntézu...

Otevřít detail99 %

Eleven Labs

Freemium

Převádí text na přirozeně znějící řeč a klonuje hlasy pomocí AI. ElevenLabs je platforma pro syn...

Otevřít detail99 %

Uberduck

Placené

Uberduck je platforma pro AI syntézu hlasu, která generuje řeč, zpěv a rap z textu a umožňuje kl...

Open source

Otevřít detail99 %

Zobrazit všechny alternativy v kategorii Převod text-na-řeč

Další nástroje v kategorii Převod text-na-řeč

Nezůstávejte jen u nejoblíbenějších – tohle jsou další nástroje z kategorie Převod text-na-řeč, které stojí za prohlédnutí.