IndexTTS 1
由 Bilibili
行业领先开放源代码语音综合模型. 几秒钟的音频就足够准确地复制出一种ti,有双语输出和多种方言支持,结果听起来自然和流畅.
TTS 聚合平台 — 模型 · 规模 · 算力全面领先
BiliVoice：声音克隆与 AI 配音平台
模型领先：集成热门榜前十中的 5 款模型，主流模型一站覆盖
规模领先：日处理 20 亿字符和 6 万小时音频，以规模降低成本、提升稳定性
算力领先：自建 H100 集群 · RTF<0.2，约 2 秒生成 10 秒音频
5 款模型热门榜前十占 5 款
2B 每日处理字符
120K 每 $0.0014 可生成字符
60K 每日音频小时数
模型数量热门榜前十占 5 款
生成规模规模分摊成本 · 更便宜、更稳定
算力自营 H100 · RTF<0.2
三项领先模型 · 规模 · 算力
主流模型一站聚合 · 热门榜前十占 5 款
Bilivoice 将五个主要的语音合成模型放在一个地方: IndexTTS 1, IndexTTS2, IndexTTS2.5, OmniVoice 和 VoxCPM2. 每个牌角的徽章都显示模特的等级 TTS 流行图(voicebox.xin)及其出版商. 不再在工具间切换 — 比较,调用和生成在一个地方, 总是有一个模型适合你的情景
Bilivoice 聚合引擎
TTS 合计 · 统一 API
每个模型都是通过一个具有统一参数格式,统一音频输出和统一定价的平台调用. 本地对主流代理平台的支持,包括: OpenClaw, Coze 和 WorkBuddy.
- 统一 API
- 本地代理支持
- 单击模式开关
- 统一计费
IndexTTS2
由 Bilibili
一种独特的情感-沉闷的分解结构,它保留了沉闷的分解,同时对情感表达给予精细的控制. 多重情感标记使得送货影响更大.
IndexTTS2.5
由 Bilibili
最新发行的 IndexTTS ,加上声学质量和稳定性的全面收益。 工作出来的盒子。
OmniVoice
由小美导演
处理多特征对话、情感转换和混合语言的全方位模型 — 一个一站式站台,适合音频书籍、短剧、游戏配乐和其他要求很高的情景。
VoxCPM2
由 OpenBMB
A 2- 10亿参数的高性能模型 30 语言。 推论速度极佳,因此长文本批量合成既快速又稳定.
路径上的更多模型
我们密切跟踪边境上发生的事情
听到真实的声音
收听来自 Bilivoice.
高度现实化的声音克隆
原始音频
克隆音频
克隆如何实现高度现实的语音克隆结果?
使用一个支持 Bilivoice 例如, IndexTTS2.5 或 OmniVoice 实现非常现实的语音克隆结果。
跨语言克隆
原始音频
西班牙语
多语言中文
多语言日语
多语言韩语
多语言法语
多语言德语
多语言如何实现跨语言语音克隆?
使用支持的多语种 Bilivoice 能够进行跨语言语音克隆的模型。 语言覆盖范围因模式而异.
情感样式控制( S)
原始音频
快乐
情感冷静点
情感伤心
情感愤怒
情感摇篮
情感恶心
情感恐惧
情感惊讶
情感如何增加情感和控制语音风格?
使用 IndexTTS2.5 情绪控制可以微调语音情绪,强度和传送风格.
半径转换
原始音频
英国英语
百分点澳大利亚英语
百分点中文英语
百分点印度英语
百分点俄语 英语
百分点加拿大英语
百分点日本英语
百分点美语英语
百分点葡萄牙语英语
百分点韩语英语
百分点如何用不同口音与同声?
使用支持的多语种 Bilivoice 在切换语言和口音时保留语音的模型。
Demo样本是人工智能生成的用于展示 Bilivoice 仅代表语音克隆,不代表任何真实人物或品牌认可.
室内 H100 分组 · 主计算
我们自己跑 NVIDIA H100 组合,从裸金属到推论框架完全控制堆栈。 大多数模型到达 RTF 下级 0.2 — 10 s音频的节点 2 — 从而消除了中继延迟、节奏和源头的不稳定。
室内 H100 分组
我们自己的 NVIDIA H100 集群全天候满载。 没有第三方挤压,没有排队,没有服务退化 — 和高峰时段一样光滑
零中继 · 即时反应
请求直接到我们自己的计算节点:没有代理层,没有 API 转发链。 多数模特坐在下面 RTF 0.2, so 10 s音频的节奏 2 长的文字在几秒钟内就准备好了。
高度稳定
跨数据中心的热备用,加智能负载平衡 99.9% 处理时的可用性 2B 字符为一天。 如果一个节点失败,用户会被移动过而不注意.
超低价成本
我们切断了转售差额 直接通过计算节省。 $0.0014 购买 120K 字符,这样 10,000 字符费用 $0.14 — 完全可以到达。
2B UTF-8 每天处理的字符
99.9% 提供服务
<1s 平均反应率
RTF<0.210s 音频 · 2s 生成
Bilivoice 数字 ElevenLabs
一样 120K 字符成本 $0.0014 打开 Bilivoice 和关于 $12 打开 ElevenLabs. 前十名的八位模特儿坐在一个后面 API全部从我们自己的服务 H100 组合。
| 特性 | Bilivoice 最佳价值 | ElevenLabs |
|---|---|---|
| 费用 120K 字符 | $0.0014 | ≈ $12.00 |
| 价格 1M 字符 | $0.012 | ≈ $100 |
| TTS 可用模型 | 5 顶部 10, s巫术 | 1 专有家庭 |
| 语音克隆 | 20-第二个样本,无限的声音 | 即时克隆; 来自创建者的Pro 克隆 |
| 语文 | 600+ 语言( L) 20+ 方言语 | 29 语言 |
| 开源模型 | 对 — IndexTTS, OmniVoice, VoxCPM2… | 没有 |
| 计算 | 拥有 H100 集群,零中继 | 管理云 |
| 自由等级 | 每日免费信贷 | 10K 字符/ 月, 非商业 |
| 统一 API | 一个 API,统一计费 | 一个 API每个模型费率 |
ElevenLabs 数字取自其公布的 TTS API 费率 $0.10 百分比 1,000 角色及其公共计划配额(9月) 2026). Bilivoice 数字相同 120K- 特征基线 $0.0014.
为什么 Bilivoice
三个都往前走 — 模型计数、生成规模和计算 — 支持您的声音结束
模型计数
五种流行模式包括: IndexTTS 1, IndexTTS2, IndexTTS2.5, OmniVoice 和 VoxCPM2 — 5 顶部 10. M流行的OST在这里,你可以在一个平台上自由切换,而不是在工具之间进行比较.
生成规模
我们处理 2B UTF-8 字符和 60K 每天有几个小时的音频 这个尺度就是 $0.0014 百分比 120K 字符可能,而实际流量的量 是保持稳定性和可用性 99.9% — 任何大小的批量工作都搁置。
计算功率
我们自己的 NVIDIA H100 以零中继直接推论组成的集群。 大多数模型到达 RTF 下级 0.2 — 10 s音频的节点 2 — 因此,即使批量的工作 完成没有等待很久。
几百万人赖以代代代相传的工具
跨行业的创造者来得有相同的三条线索:模型计数、生成规模和计算
我可以试演一个剧本 5 模型 — IndexTTS2, IndexTTS2.5, OmniVoice 和其余部分 — 只要阴茎不对就切换 大部分流行的模型都在这里,所以改变短视频的配音风格是即时的,我的产出翻了一番.
那个 H100 组真的快:下面的大多数模型 RTF 0.2, 10 s音频的节点 2. 我上传的瞬间就准备好独白了 所以我的释放计划 从来不会等待在欺骗上 — 听者说,浸润是相当高的。
一本音频书 向数十万个角色播放 我被捆绑着 昂贵和片面。 Bilivoice's 2B- 典型的天平 分散成本如此之薄 10,000 字符运行在 $0.14, 和 60K 每天输出数小时足以证明稳定。 长批一次完成 — 不用担心了
我们的整个公司课程图书馆 — 数百小时 — 生产于 Bilivoice. 使用零中继的自操作计算保留 API 快速而稳定,声音保持连贯,及时交付. 我不再担心训练录像管道的事了
游戏配音需要很多独特的角色 五个组合模型给我很多声音 — 几乎每个名字都在这里。 浏览器中的实时调试使其保持低廉有效,并大大加速了开发.
我每天的上传都运行在它上: 流行的模型基本上都在这里, 所以我选一个,并留下来。 次级0.2 RTF 使骗人的步态瞬间感觉. 每日发帖从压力到快乐,节目的基调始终一致.
问题,已回答
你可能想知道的关于 Bilivoice
Bilivoice 是一个主要的语音克隆和欺骗平台。 单型工具给你一个选择 Bilivoice 汇总最流行的语音模型 — 5 顶部 10 — 并运行自己的计算,处理 2B UTF-8 字符为一天。 天平分散了成本和体积,证明了可靠性:比可比工具便宜,没有通过转发他人的 API. 一个平台,一个平台 API一个账单,每个模型。
Bilivoice 处理双语土语配音,并涵盖一系列方言。 跨语言转换在切换语言时保持语音的特征完整完整.
三个步骤: 1. 记录 20 s干净的演说没有噪音,没有背景音乐 2. 上传到"创造之声"页面并给出名字. 3. 选择您在调试页面上的声音, 键入您的文本并生成 。
对 模型被专门训练来从上下文中研究出最常见异义词的正确读法,所以你从不用用手来注释发音.
周围 20 s生态是理想的。 音频应该没有环境噪声,没有背景音乐,没有其他扬声器和回声. 更好的样本产生更好的结果 — 如果你的缺勤, 运行语音分离 或先发号施令。
控制台生成的文件为三天,通过控制台生成的文件为一天 API — 立即下载。 语音样本和语音模型保存在会员的一生中,结束一个月后保存.
对 Bilivoice 暴露一个完整的 API 这样你就可以在自己的产品中 建立语音克隆,调戏和情感语言合成。 因为我们自己计算 大部分模特都坐在下面 RTF 0.2, 反应时间和稳定性远远领先于基于中继的替代品。 跟我们谈谈定价和上船问题
语音克隆 & AI Dubbing, 面向外地
Bilivoice 是一个领先的语音克隆和欺骗平台,在三个方面领先:模型计数、生成规模和计算。 5个流行型号 — IndexTTS 1, IndexTTS2, IndexTTS2.5, OmniVoice 和 VoxCPM2, 5 顶部 10 — 比例差单位成本和量证明可靠性(2B UTF-8 字符和 60K 每天有几小时的录音,将近7年的连续播放,这就是它既便宜又稳定的原因。 我们自己跑 NVIDIA H100 无分组 API 中继和持有 99.9% 可用性。 由知名AI科学家,语音专家和高级产品工程师组成的国际团队借鉴了在多式联运模式和语音合成方面的深入工作,推动了低资源高诚实度骗局的瓶颈,为全世界的企业和创造者提供了一个快速,生活般和可靠的地方来做AI语音.
模型计数铅 · 每个模式在一个地方
从 2016 我们聚集了谷歌、微软和清华的工程师 来构建一个独创的语音架构 五个流行的模特儿 — IndexTTS 1, IndexTTS2, IndexTTS2.5, OmniVoice 和 VoxCPM2, 5 顶部 10 — 从三秒钟的音频中复制一个声音,捕捉到情感的流畅和呼吸的细节.
计算铅 · 室内 H100 分组
我们自己的 NVIDIA H100 组合,并有跨数据中心热备用和智能负载平衡。 大多数模型到达 RTF 下级 0.2 — 10 s音频的节点 2 — 时间 99.9% 可用性,并从一开始就设计出中继间隔。
缩放铅 · 廉价和斯坦迪耶
我们处理的产品线 2B UTF-8 字符和合成 60K 每日录音时数 — 近七年的连续播放。 规模分散了单位成本,因此专业的骗局是给每个人定价的,而实际流量日复一日地验证系统,保持了稳定性和可用性,应该保持其位置.
成都1700 成都高科技区北天佛大道
大楼 7, 单位 1, 17F会议室 1716
大楼 7, 单位 1, 17F会议室 1716
深圳话海地语 1sT路,深圳市南山区岳海街道
大楼 4, 8F-A,深圳软件产业基地
大楼 4, 8F-A,深圳软件产业基地
申诉线: 13378103879