Powered by Ang Bayani

Ang Ultimate
Pagsasalita sa Pagsasalita
Platform ng AI

Clone anumang boses sa ilang segundo, i-convert ang teksto sa pagsasalita, transcribe audio at i-convert ang isang boses sa isa pang, ang lahat ng mga estado ng sining open-source modelo.

Walang credit card na kinakailangan 10 libreng credits API access kasama
Voice Cloning Demo
Parehong mga salita, iba't ibang boses

Makinig sa parehong pangungusap sa dalawang iba't ibang mga boses

Clone ang iyong sariling boses

Pinalakas ng estado-ng-art open-source modelo

Qwen2.5 Chatterbox Kokoro 82M Whisper Large v3 OpenVoice v2

Lahat ng kailangan mo para sa Voice AI

Komprehensibong mga tool para sa bawat application ng pagsasalita

Paano ito gumagana

Tatlong simpleng hakbang sa pagbabagong-anyo ng boses

1

Mag-upload ng Audio

I-upload ang isang sample ng boses (10-30 segundo) o direktang i-record sa iyong browser. Suportahan namin ang MP3, WAV, FLAC, at higit pa.

2

Proseso na may AI

Ang mga server ng GPU ay nagpoproseso ng iyong audio gamit ang mga modelong open-source tulad ng Chatterbox, Kokoro, Whisper at OpenVoice.

3

I-download o Stream

Kumuha ng iyong mga resulta kaagad. I-download sa maraming mga format o stream nang direkta sa pamamagitan ng aming real-time API.

Pinalakas ng pinakamahusay na Open-Source Modelo

Ginagamit namin at mag-ambag sa cutting-edge speech AI pananaliksik

OpenVoice v2

Opsyonal na boses conversion engine at cloning modelo

  • Tone kulay conversion
  • Pinapanatili ang mga salita at oras
  • Mga lisensiya ng MIT
Chatterbox

Voice cloning, dubbing boses at ang aming default na conversion ng boses (Chatterbox VC)

  • Ang Zero-shot cloning
  • 23 wika
  • Commercial paggamit pinapayagan
Kokoro 82M

Mabilis, natural na teksto sa pagsasalita

  • 54 na mga boses
  • 8 wika
  • Apache 2.0 lisensya
Whisper Large v3

Multilingual transcription

  • Awtomatikong pagtukoy ng wika
  • 100 wika
  • Mga salita timestamps

Built para sa bawat paggamit ng kaso

Mula sa paglikha ng nilalaman sa mga aplikasyon ng enterprise

Paglikha ng Nilalaman

Lumikha ng voiceovers para sa mga video, podcast, audiobooks, at social media content sa scale.

Serbisyo sa Customer

Bumuo ng mga voice agents na tunog natural at maaaring hawakan ang mga kumplikadong pag-uusap.

Lokalisasyon

Dub nilalaman sa maraming wika habang pinapanatili ang orihinal na boses ng tagapagsalita.

Aksesibilidad

Magbigay ng boses sa mga nawalan ng boses. Lumikha ng personal na sintesis ng pagsasalita.

Paglalaro & Entertainment

Ang mga ito ay kinabibilangan ng mga dinamikong NPC, mga dialog ng karakter, at mga interactive na karanasan.

Edukasyon

Lumikha ng nakakaakit na nilalaman pang-edukasyon na may natural na tunog ng kwento.

Developer API

Build gamit ang aming API

Isang simpleng REST API para sa bawat tool: magpadala ng isang kahilingan sa iyong API key, pagkatapos ay poll para sa resulta.

  • Ang RESTful API

    Simple HTTP endpoints para sa lahat ng mga tampok

  • Mga Webhook

    Transcription trabaho ay maaaring POST ang kanilang resulta sa iyong URL kapag natapos nila

Tingnan ang API Docs
POST /v1/voice-clone/
curl -X POST https://api.speechtospeechai.com/v1/voice-clone/ \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "reference_audio=@sample.mp3" \
  -F "text=Hello, this is my cloned voice." \
  -F "model=chatterbox"

# Response: a job to poll
{"uuid": "3f2c...", "status": "queued"}

curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
  -H "Authorization: Bearer YOUR_API_KEY"

{"status": "completed", "result_url": "https://.../output.wav"}

Simple, transparent na pagpepresyo

Magsimula nang libre, scale bilang lumalaki ka

Libre
$0/buwan
  • 10 credits/buwan
  • Lahat ng mga tool na kasama
  • API access
Mag-sign up
Pasimula
$9/buwan
  • 100 Mga Credit / buwan
  • Lahat ng mga tool na kasama
  • API access
Pumili ng Starter
Pro
$29/buwan
  • 500 Mga Credit / buwan
  • Lahat ng mga tool na kasama
  • API access
Pumili ng Pro
Enterprise
$99/buwan
  • 2000 Mga Credit / buwan
  • Lahat ng mga tool na kasama
  • API access
Piliin ang Enterprise

Mga Madalas Itanong

Lahat ng kailangan mong malaman tungkol sa Speech to Speech AI

Ang pag-clone ng boses ay gumagamit ng AI upang suriin ang isang sample ng boses ng isang tao (karaniwang 10-30 segundo) at lumikha ng isang digital na modelo na maaaring magsalita ng anumang teksto sa boses na iyon. Ginagamit ng aming platform ang mga state-of-the-art na modelo tulad ng Chatterbox at OpenVoice upang makamit ang mga natural na tunog na resulta.

Suportahan namin ang Ingles, Espanyol, Pranses, Aleman, Intsik, Hapon, Koreano, Arabic, Portuges, Ruso, Italyano, Dutch, Polish at marami pang iba. Ang aming mga modelo ng multilingual ay maaaring mag-clone ng mga boses at bumuo ng pagsasalita sa anumang mga wika.

Oo! Nag-aalok kami ng libreng antas na may 10 credits bawat buwan, na kasama ang buong access sa lahat ng mga tampok: cloning ng boses, text-to-speech, speech-to-text, at higit pa. Walang credit card na kinakailangan upang mag-sign up. Mag-upgrade sa anumang oras para sa higit pang mga credits.

Ginagamit namin ang mga modelo ng open-source: Chatterbox at OpenVoice v2 para sa cloning ng boses, Kokoro, Piper, VITS at Bark para sa text-to-speech, Whisper Large v3 para sa transcription, Chatterbox VC para sa conversion ng boses (OpenVoice v2 ay pa rin napili), Chatterbox para sa mga cloned na boses sa AI dubbing at Qwen2.5 para sa mga sagot sa boses chat. Lahat sila ay tumatakbo sa aming sariling GPU server.

Ang lahat ng aming bayad na plano ay kasama ang mga karapatan sa paggamit ng komersyal. Maaari mong gamitin ang audio na nabuo para sa mga video, podcast, apps, laro, serbisyo sa customer, at anumang iba pang mga komersyal na application. Siguraduhin lamang na mayroon kang mga karapatan upang i-clone ang anumang mga boses na ginagamit mo.

Voice chat ay nagbibigay-daan sa iyo upang makipag-usap sa isang AI assistant. Ang iyong browser ay gumagalaw ang iyong pananalita sa teksto, Qwen2.5 (isang open-source na modelo ng wika na tumatakbo sa aming GPUs) magsusulat ng sagot sa persona na iyong pinili, at isang Piper boses basahin ito nang malakas. Ito ay gumagana turn-by-turn, sa Ingles.

Handa na upang i-transform ang iyong mga application ng boses?

Sumali sa libu-libong mga developer at mga tagalikha gamit Speech to Speech AI.