Audio8 TTS

یہ ٹول پیج ابھی ترجمہ نہیں ہوا۔ نیچے انگریزی میں چلے گا۔ انگریزی میں استعمال کریں

Your text

0 / 500
Model not loaded on this device yet.

Speech model

Audio8 TTS Preview Runs on your device

Open-source 0.6B DualAR model with 44.1 kHz output. Generation happens locally; your text never leaves this page.

Audio8 follows the written text; it has no hidden language-ID input. This selection sets writing guidance and accessibility metadata.

0.7

Lower values sound steadier, higher ones add variation. 0.7 matches the official default.

Model weights: Audio8/Audio8-TTS-Preview-0.6B-ONNX-INT4, Apache 2.0. Weights stream from the Hugging Face CDN straight into your browser cache.
The quick answer

Audio8 TTS ایک اوپن سورس 0.6B اسپیچ ماڈل ہے جو 11 تجویز کردہ زبانوں اور 44.1 kHz آؤٹ پٹ کے ساتھ آتا ہے۔ یہ صفحہ تقریباً 572 MiB ماڈل فائلیں کیش کرتا ہے، پہلے نیٹو WebGPU آزماتا ہے اور پھر ملٹی تھریڈ CPU پر چلا جاتا ہے۔ آپ کا متن اور بنی ہوئی آڈیو آپ کے ڈیوائس پر ہی رہتی ہے۔

چار مراحل

اپنے براؤزر میں Audio8 TTS کیسے استعمال کریں

  1. 01

    ڈیسک ٹاپ پر یہ پیج کھولیں

    ٹول براؤزر میں سیدھا لوڈ ہوتا ہے۔ نہ اکاؤنٹ، نہ انسٹال، نہ API کی۔ فون اور ٹیبلٹ اس مرحلے کو چھوڑ دیں، کیونکہ ماڈل کو PC یا Mac ہارڈویئر کی ضرورت ہوتی ہے۔

  2. 02

    ایک بار ویٹس ڈاؤن لوڈ ہونے دیں

    پہلی Generate کلک پر Hugging Face CDN سے تقریباً 572 MiB کے INT4 ماڈل فائلز آتی ہیں۔ آپ کا براؤزر انہیں کیش کر لیتا ہے، اس لیے بعد کی ویزٹس میں نیٹ ورک ڈاؤن لوڈ نہیں ہوتا۔

  3. 03

    زبان اور وائس منتخب کریں

    11 تجویز کردہ زبانوں میں سے ایک منتخب کریں۔ Audio8 زبان کے کوڈ کے بجائے خود متن کو دیکھتا ہے، اس لیے اسی زبان کا متن پیسٹ کریں جو آپ سننا چاہتے ہیں۔

  4. 04

    سنیں اور ڈاؤن لوڈ کریں

    ہموار حتمی نتیجے کا انتظار کریں، یا اختیاری لائیو پری ویو کو فعال کر کے عارضی چنکس دیکھیں۔ براؤزر کے اندر لاسلیس 44.1 kHz WAV محفوظ کریں یا اسے MP3 میں تبدیل کریں۔

Best practices

Audio8 پری ویو سے اچھا آؤٹ پٹ حاصل کرنے کے لیے

چھوٹی عادات ڈیمو گریڈ کلپ اور پبلش کرنے کے قابل مواد میں فرق پیدا کرتی ہیں۔ آٹو ریگریسو ماڈل کے ساتھ یہ چھ نکات سب سے اہم ہیں۔

  • 01

    ماڈل سیکھتے ہوئے درخواستیں چھوٹی رکھیں

    اپ اسٹریم رن ٹائم بہترین معیار کے لیے تقریباً 150 حروف کی تجویز دیتا ہے۔ ایک وقت میں ایک جملہ جنریٹ کریں، پھر لمبے اسکرپٹس کے لیے WAV فائلز کو جوڑیں۔

  • 02

    پنکچویشن اسی طرح لکھیں جیسا کہنا چاہتے ہیں

    کوما ایک مختصر وقفہ دیتا ہے، پیریڈ لمبا، اور الپسس ایک طویل رکاوٹ۔ DualAR ماڈل انہیں ڈیلیوری کیو کے طور پر پڑھتا ہے، اس لیے اگر لائن بے جان لگے تو اکثر صرف ایک کوما کافی ہوتا ہے۔

  • 03

    اگر نمونے بھٹکیں تو تخلیقی صلاحیت کم کریں

    تخلیقی صلاحیت سلائیڈر سیمپلنگ ٹیمپریچر سیٹ کرتا ہے۔ 0.7 پر آپ کو سرکاری ڈیفالٹ توازن ملتا ہے۔ اگر کوئی لمبا لفظ لرزے یا کوئی سیلاب دہرایا جائے، تو اسے 0.5 کی طرف لے جائیں اور دوبارہ جنریٹ کریں۔

  • 04

    زبان کا انتخاب کریں، مشکل الفاظ کو الگ لکھیں

    اختصارات (Acronyms) میں حروف کے درمیان پوائنٹس لگانے سے بہتر پڑھائی ہوتی ہے، مثلاً N.A.S.A.۔ غیر معمولی ناموں کو آوازیں دیکھتے ہوئے لکھیں۔ مشکل لفظ کو اکیلے ٹیسٹ کریں، املا درست کریں، پھر پورا متن چلائیں۔

  • 05

    Chrome یا Edge میں GPU استعمال کریں

    موجودہ Chrome اور Edge میں WebGPU کے FP16 سپورٹ کے ساتھ ٹیسٹ کیا گیا ہے۔ اگر تین ماڈل پروبز پاس نہ ہوں، تو ٹول خود بخود تھریڈڈ WebAssembly CPU بیک اینڈ پر دوبارہ تعمیر ہو جائے گا۔

  • 06

    WAV ڈاؤن لوڈ کریں، بعد میں تبدیل کریں

    WAV فائل میں ایڈیٹرز اور DAWs کے لیے مکمل 44.1 kHz سگنل محفوظ رہتا ہے۔ صرف تب MP3 بٹن دبائیں جب فائل کا سائز ہیڈ روم سے زیادہ اہم ہو۔

Honest comparison

Audio8 TTS بمقابلہ Kokoro

ہم اس سائٹ کے باقی حصے میں Kokoro چلاتے ہیں، اس لیے یہاں ایک ایمانداری اندرونی موازنہ پیش کیا جا رہا ہے: ہر ماڈل کہاں جیتتا ہے، اور دونوں کی اپنی اہمیت کیوں ہے۔

کےہاں چلتا ہے

FreeTextoSpeech

موزوں Chrome/Edge آلات پر Native WebGPU، تھریڈڈ CPU/WebAssembly فال بیک کے ساتھ۔

Kokoro (ہمارا بنیادی ٹول)

برائوزر میں انجن، ڈاؤن لوڈ کے لیے تقریباً 300 MB ہلکا۔

آؤٹ پٹ کی معیاری

FreeTextoSpeech

44.1 kHz نیورل کوڈک آؤٹ پٹ، اظہاری پروسوڈی کے ساتھ۔

Kokoro (ہمارا بنیادی ٹول)

24 kHz آؤٹ پٹ، اس سائز کے لیے بہت قدرتی نریشن۔

زبانوں کی فراہمی

FreeTextoSpeech

11 زبانیں، جن میں کوریائی، جرمن، ڈچ، پولش اور کانتونیز شامل ہیں۔

Kokoro (ہمارا بنیادی ٹول)

9 زبانیں، انگریزی، یورپی زبانیں، ہندی، جاپانی، منڈرین اور پرتگالی پر توجہ۔

عام لپ ٹاپ پر رفتار

FreeTextoSpeech

زیادہ بھاری: ایک AR ماڈل جو تقریباً 21.5 فریم فی سیکنڈ آڈیو تیار کرتا ہے۔

Kokoro (ہمارا بنیادی ٹول)

بہت تیز، زیادہ تر مشینوں پر حقیقی وقت کے قریب۔

پہلی بار ڈاؤن لوڈ

FreeTextoSpeech

تقریباً 572 MiB، ساتھ اختیاری 396 MiB وائس انکوڈر۔

Kokoro (ہمارا بنیادی ٹول)

پوری پریسیژن پر کچھ سو MB۔

پختگی

FreeTextoSpeech

Preview ورژن، محدود ڈائلیکٹ کوریج کے ساتھ۔

Kokoro (ہمارا بنیادی ٹول)

Stable v1.0 ماڈل جو ہماری پوری سائٹ پر چلتا ہے۔

دونوں ماڈلز Apache 2.0 اوپن سورس ہیں۔ اعداد و شمار موجودہ پبلک ریلیز کے بارے میں ہیں: Audio8-TTS-Preview-0.6b اور Kokoro-82M-v1.0۔

FAQ

Frequently asked questions

01

Audio8 TTS کیا ہے؟

Audio8 TTS، Audio8 ٹیم کا اوپن سورس ٹیکسٹ ٹو اسپیچ ماڈلز کا خاندان ہے۔ موجودہ پری ویو Audio8-TTS-Preview-0.6b، Fish Audio S2 Pro سے متاثر DualAR ڈھانچے میں 60 کروڑ 10 لاکھ پیرامیٹرز رکھتا ہے۔ یہ 11 زبانیں بولتا ہے، اور کوڈ اور ویٹس دونوں Apache 2.0 لائسنس کے تحت جاری ہیں۔
02

کیا Audio8-TTS-Preview-0.6b استعمال کرنا مفت ہے؟

جی ہاں۔ یہ ماڈل Apache 2.0 لائسنس کے تحت جاری کیا گیا ہے، جو کہ رائلٹی کے بغیر تجارتی استعمال کی اجازت دیتا ہے۔ یہ صفحہ آپ کے اپنے ڈیوائس پر چلتا ہے، اس لیے ہمارے پاس بھی کوئی استعمال کی حد (quota) نہیں ہے۔ اسیبوشن (attribution) کی تفصیلات کے لیے آفیشل ریپوزٹری میں موجود NOTICE فائل دیکھیں۔
03

کیا میرا ٹیکسٹ کہیں اپلوڈ ہوتا ہے؟

نہیں۔ آڈیو WebGPU یا WebAssembly کے ذریعے آپ کے براؤزر کے اندر ہی بنتی ہے۔ Audio8 انجن اپنی رن ٹائم اور ماڈل فائلیں Hugging Face اور jsDelivr کے CDN سے لیتا ہے۔ آپ کا متن اور بنی ہوئی آڈیو کبھی ہمارے سرورز تک نہیں پہنچتی؛ سائٹ پھر بھی اس مواد کے بغیر عام استعمال کے اعداد و شمار بھیج سکتی ہے۔
04

پہلی جنریشن کیوں سست ہے؟

دو وجوہات ہیں۔ پہلی، براؤزر ایک بار تقریباً 572 MiB کے سینتھیسس فائلیں ڈاؤن لوڈ کرتا ہے۔ دوسری، یہ autoregressive ماڈل ہر آڈیو فریم کے لیے ایک Slow AR کال اور دس Fast AR کالز کرتا ہے۔ متبادل Chrome اور Edge ڈیوائسز native WebGPU کی کوشش کرتی ہیں؛ دیگر سسٹمز تھریڈڈ CPU فال بیک استعمال کرتے ہیں۔
05

Audio8 TTS کون سی زبانیں سپورٹ کرتا ہے؟

Preview 11 زبانوں کے لیے ہے: انگریزی، ہسپانوی، فرانسیسی، جرمن، اطالوی، ڈچ، پولش، جاپانی، کوریائی، چینی، اور کانتونی۔ ٹیم کا کہنا ہے کہ مستقبل کے ریلیز میں وسیع ملٹی لنگول کوریج اور چینی ڈائلیکٹس کی سپورٹ شامل کی جائے گی۔
06

Audio8 یا Kokoro، کون سا استعمال کروں؟

اگر آپ کو تیز جنریشن، 54 تیار آوازیں، فون سپورٹ اور ثابت شدہ استحکام چاہیے تو ہماری مین ٹول Kokoro استعمال کریں۔ اگر آپ تازہ ترین اوپن ماڈل آزمانا چاہتے ہیں، 44.1 kHz آؤٹ پٹ درکار ہے، یا جرمن، کوریائی، ڈچ، پولش، یا کانتونی میں کام کر رہے ہیں تو Audio8 چنیں۔ بہت سے لوگ دونوں کو بک مارک کر رکھتے ہیں۔
07

کیا یہ آف لائن چلتا ہے؟

ماڈل ویٹس اور آواز پروفائلز لوکل کیش میں ہوتے ہیں، اس لیے دہرائی جانے والی جنریشنز انہیں دوبارہ ڈاؤن لوڈ نہیں کرتیں۔ مکمل آف لائن ری لوڈ کے لیے آپ کے براؤزر کو اس صفحے اور اس کے رن ٹائم ماڈیولز کو برقرار رکھنا ضروری ہے؛ سائٹ ڈیٹا صاف کرنے سے کیش اور لوکل آوازیں حذف ہو جاتی ہیں۔

Still wondering? Get in touch →

Keep going

تازہ ترین اوپن آواز ماڈل آزمائیں۔

مین جنریٹر ↗

مفت ٹیکسٹ ٹو اسپیک

9 زبانوں میں 54 Kokoro آوازیں، فوری کلاؤڈ جنریشن، WAV ڈاؤن لوڈ۔

آواز کی معیاری ↗

قدرتی AI آواز جنریٹر

نئی نیورل آوازیں انسان کی طرح کیوں لگتی ہیں اور اچھی آواز کیسے چنی جائے۔

فارمیٹ ↗

ٹیکسٹ کو MP3 میں

ٹیکسٹ کو 128 سے 320 kbps میں MP3 میں بدلیں، شیئر کے لیے تیار۔

آپ کے ڈیوائس پر ↗

آن لائن ٹیکسٹ ریڈر

اپنے ڈیوائس کی موجودہ آوازوں سے ٹیکسٹ سنیں۔

Try it now

نیا کھلا آواز ماڈل آزمائیں۔

براؤزر میں چلتا ہے، مفت اور پرائیویٹ۔

Open the tool See all voices