ചാറ്റര്‍ബോക്സ്, കോക്കോറോ & വ്സെര്‍

ഒ. സി.
സംസാരം
ഐ. ഐ പ്ലാറ്റ്ഫോം

ശബ്ദമൊക്കെ സെക്കന്റിനുള്ളില്‍ മാറ്റണം, സംസാരമാക്കി വാചകം മാറ്റുക, ശബ്ദങ്ങള്‍ ഉച്ചരിക്കുക, ഒരു ശബ്ദം മറ്റൊന്നായി മാറ്റുക, എല്ലാം സ്റ്റേറ്റ്-പര്‍-സ്പാര്‍ട്ട്-സെര്‍ഫോം മോഡലുകള്‍ ഉപയോഗിച്ച്.

ക്രെഡിറ്റ് കാര്‍ഡ് ആവശ്യമില്ല 10 ഫ്രീ ക്രെഡിറ്റ്സ് API സമീപനത്തോടൊപ്പം
ശബ്ദ ക്ലോണിങ്ങ് ഡെമൈക്ക്Comment
ഒരേ വാക്കുകള്‍, വ്യത്യസ്ത ശബ്ദം

രണ്ട് ശബ്ദങ്ങളില്‍ ഒരേ വാചകം കേള്‍ക്കൂ

സ്വന്തം ശബ്ദം ഉണർത്തുക

പ്രൊജക്ട് അഡ്മിനിസ്ട്രേറ്റ് മോഡലുകള്‍

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

ശബ്ദത്തിന്‍റെ ആവശ്യം

ഓരോ സംസാര പ്രയോഗത്തിനുംയുള്ള സമഗ്രമായ പണിയായുധങ്ങള്‍

അത്‌ എങ്ങനെ പ്രവർത്തിക്കുന്നു?

രൂപാന്തരം പറയുന്നതിനുള്ള മൂന്നു ലളിതമായ പടികള്‍

1

ഓഡിയോ ലഭ്യമാക്കുക

ശബ്ദ മാതൃക (10- 30 സെക്കന്‍ഡുകള്‍) അല്ലെങ്കില്‍ നിങ്ങളുടെ ബ്രൌസറില്‍ നേരിട്ടു് രേഖപ്പെടുത്തുക. ഞങ്ങള്‍ MP3, WAV, FLAC എന്നിവയെ പിന്തുണയ്ക്കുന്നു.

2

AI- ല്‍ പ്രക്രിയ

നമ്മുടെ GPU സേവകർ ചാറ്റർബോക്സ്, കോക്കോറോ, വിസ്പെർ, ഓപ്പണ്‍ വിവോസ് എന്നിവ പോലുള്ള ഓപ്പണ്‍-സെർവേർഡ് മോഡലുകൾ ഉപയോഗിച്ച് നിങ്ങളുടെ ഓപ്പണ്‍ ഓഫീസ്സ് പ്രവര്‍ത്തിക്കുന്നു.

3

ഡൌണ്‍ലോഡ് അല്ലെങ്കില്‍ ഒഴുക്കുക

നിങ്ങളുടെ ഫലങ്ങൾ പെട്ടെന്ന് എടുക്കുക. നമ്മുടെ യഥാര്‍ത്ഥ സമയം API വഴി നേരിട്ട് ഡിസൈനുകളില്‍ ഡൌണ്‍ലോഡ് ചെയ്യുക.

ഏറ്റവും മികച്ച ഏജന്റ് മോഡല്‍ ശക്തി

ഞങ്ങള്‍ ഉപയോഗിക്കുന്നു, തല്ലിപ്പൊളിയാക്ക് AI യുടെ ഗവേഷണം.

OpenVoice v2

ഇഷ്ടപ്പെട്ട ശബ്ദ സംവിധാനവും ക്ലോയോണ്‍ മോഡലും

  • ടോണി നിറം മാറ്റുന്നു
  • വാക്കുകളും സമയവും സൂക്ഷിക്കുക
  • എംഐടി അനുമതി
Chatterbox

ശബ്ദം, ശബ്ദങ്ങള്‍, സ്വരം മാറ്റല്‍, നമ്മുടെ സ്വരം മാറ്റല്‍ (ചവട്ടബോക്സ് VC)

  • സീറോ- ഹോട്ട് സ്റ്റൈന്‍
  • 23 ഭാഷകൾ
  • വ്യാപാര ഉപയോഗം അനുവദിക്കുന്നു
Kokoro 82M

സംസാരത്തിനുള്ള ശൈലി

  • 54 ശബ്ദങ്ങൾ
  • 8 ഭാഷകൾ
  • Apache 2.0 licence
Whisper Large v3

ബഹുഭാഷാ അഭ്യാസം

  • സ്വയം ഭാഷ തിരിച്ചറിയല്‍
  • 100 languages
  • വാക്ക് സമയം

ഓരോ ഉപയോഗ കേസിനും നിര്‍മ്മിച്ചതു്

ഉള്ളടക്കം സൃഷ്ടിയില്‍ നിന്നും പ്രൊസസ്സറുകളില്‍ നിന്നും പ്രയോഗങ്ങളിലേക്ക്

ഉള്ളടക്കം സൃഷ്ടിക്കുക

വീഡിയോകള്‍, പോസ്റ്റ്‌വിറ്റ്‌സ്, ഓഡിയോപുസ്‌തകങ്ങള്‍, സോഷ്യല്‍ മീഡിയകള്‍ എന്നിവയുടെ ബാഗുകള്‍ എന്നിവയുടെ ശബ്ദപാലനങ്ങള്‍ ഉണ്ടാക്കുക.

യഥേഷ്ടം സേവനംComment

ശബ്ദസഞ്ചാരികൾക്ക് സ്വാഭാവികമായും ശബ്ദസാധകരെ നിർമ്മിക്കുക.

പ്രാദേശിക

ആദ്യ ശബ്ദത്തിന്റെ ശബ്ദം സംരക്ഷിക്കുമ്പോള്‍ പല ഭാഷകളില്‍ ഡ്രാഗ് ചെയ്യുക.

സാമീപ്യത

അവരുടെ നഷ്ടമായവരോട് ഒന്ന് സംസാരിക്കൂ. സംസാരം വ്യക്തിപരമായി സൃഷ്ടിക്കുക.

വിനോദവും

ഊര്‍ജ്ജമമുളള എന്‍പിസി ശബ്ദങ്ങളും ക്യാരക്ടര്‍ ഡയലോഗുകളും ഇന്ററാക്ടീവ് അനുഭവങ്ങളും ഉണ്ടാക്കുക.

വിദ്യാഭ്യാസം

സ്വഭാവമുള്ള ശബ്ദരേഖയുമായി വിദ്യാഭ്യാസ ഉള്ളടക്കം ഉള്‍പ്പെടുത്തുക.

രചയിതാവു് API

നമ്മുടെ കൈകൊണ്ട് ഒരു കെട്ടിടം പണിയുക

ഓരോ ഉപകരണത്തിനും ഒരു ലളിതമായ റൈറ്റ്‌ എപിഐ: API കീയോടൊപ്പം ഒരു അപേക്ഷ അയക്കുക, പിന്നെ അതിന്‍റെ ഫലത്തിനായി ഒരു പ്രവര്‍ത്തനം ചെയ്യുക.

  • വിശ്വസ്‌തമായ എപ്‌

    എല്ലാ മണ്ഡലങ്ങള്‍ക്കും ലളിതമായ HTTP അവസാന പോയിന്റ്സ്

  • വെബ് ടാഗ്സ്Comment

    ലക്ഷ്യസ്ഥാനം മാറ്റുന്ന ജോലികള്‍ യുആര്‍എല്‍ തീരുമ്പോള്‍ നിങ്ങളുടെ യുആര്‍എല്‍ ല്‍ അവര്‍ക്ക് നഷ്ടമാകും

API ഡോക്സ് കാണുക
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"}

ലളിതവും സുതാര്യവുമായ പ്രിക്ഷൈമിങ്ങ്

നീ വളരുമ്പോള്‍ സ്വതന്ത്രമായി തുടങ്ങുക

ഫ്രീ
$0/പ്രോ
  • 10 അഡ്മിനിസ്
  • എല്ലാ ഉപകരണങ്ങളും
  • API സമീപനം
തുടങ്ങുക
തുടങ്ങുന്നവന്‍
$9/പ്രോ
  • 100 അഡ്രസ് / മാസം
  • എല്ലാ ഉപകരണങ്ങളും
  • API സമീപനം
തുടങ്ങാന്‍ തുടങ്ങുക
പ്രൊഫൈല്‍
$29/പ്രോ
  • 500 അഡ്രസ് / മാസം
  • എല്ലാ ഉപകരണങ്ങളും
  • API സമീപനം
പ്രോക്സി തെരഞ്ഞെടുക്കുക
ഇന്‍റര്‍നാഷണല്‍
$99/പ്രോ
  • 2000 അഡ്രസ് / മാസം
  • എല്ലാ ഉപകരണങ്ങളും
  • API സമീപനം
ഇന്‍ഡെക്സ്‌വൈസ്‌ തെരഞ്ഞെടുക്കുക

പലപ്പോഴും ചോദിക്കപ്പെടുന്ന ചോദ്യങ്ങൾ

Everything you need to know about Speech to Speech AI

ശബ്ദം ക്യാപ്‌നൈന്‍ (10-30 സെക്കന്‍ഡുകളില്‍) ഒരാളെ കാണുന്നതിനായി AI ഉപയോഗിക്കുന്നു. ആ ശബ്ദത്തില്‍ ഏതെങ്കിലും വാചകം സംസാരിക്കാന്‍ കഴിയുന്ന ഡിജിറ്റല്‍ മോഡല്‍ ഉണ്ടാക്കാന്‍. നമ്മുടെ പ്ലാറ്റ്ഫോ ചാറ്റര്‍ബോക്സ് പോലുള്ള സ്റ്റേറ്റ് മോഡലുകളും പ്രകൃതിപ്രയോഗ ഫലങ്ങളും നേടാനായി ഓപ്പണ്‍Voice ഉപയോഗിക്കുന്നു.

ഇംഗ്ലീഷും, സ്‌പാനീഷ്‌, ഫ്രഞ്ച്, ജർമൻ, ചൈനീസ്‌, ചൈനീസ്‌, പയനിയർ, അറേബ്യൻ, പോർച്ചുഗീസ്‌, റഷ്യൻ, ഡച്ച്, പോളിഷ്‌, മറ്റു പലർക്കും ഞങ്ങൾ പിന്തുണ നൽകുന്നു. ഈ ഭാഷകളിൽ ഏതു ഭാഷയിലും ശബ്ദങ്ങൾ ഉന്നയിക്കുകയും സംസാരം രൂപപ്പെടുത്തുകയും ചെയ്യാം.

അതെ! ഒരു മാസം 10 പേരെ ഒരു സ്വതന്ത്ര ടൈക്ക് നല്‍കും. അതിൽ എല്ലാ സ്വഭാവങ്ങളും ഉൾപ്പെടും: ശബ്ദോണ, ടെക്സ്റ്റുകൾ, ഭാഷാ-test-traw), കൂടുതൽ. ക്രെഡിറ്റ് കാര്‍ഡ് ഒന്നും ഒപ്പിടാന്‍ ആവശ്യമില്ല. കൂടുതല്‍ കടങ്ങള്‍ക്ക് വേണ്ടി എപ്പോഴും അപ്ഗ്രേഡ് ചെയ്യുക.

We use open-source models: Chatterbox and OpenVoice v2 for voice cloning, Kokoro, Piper, VITS and Bark for text to speech, Whisper Large v3 for transcription, Chatterbox VC for voice conversion (OpenVoice v2 is still selectable), Chatterbox for the cloned voices in AI dubbing and Qwen2.5 for the replies in voice chat. They all run on our own GPU servers.

തീർച്ചയായും! നമ്മുടെ എല്ലാ പദ്ധതികളും വാണിജ്യ ഉപയോഗ അവകാശങ്ങളും ഉള്‍ക്കൊള്ളുന്നു. വീഡിയോകള്‍, പോസ്റ്റ്‌വാട്ട്, ആപ്സ്, കളികള്‍, കസ്റ്റമര്‍ സേവനം, മറ്റ് ഏതെങ്കിലും വാണിജ്യ പ്രയോഗങ്ങള്‍ എന്നിവയ്ക്കായി നിര്‍മ്മിച്ച ഓഡിയോ നിങ്ങള്‍ക്ക് ഉപയോഗിക്കാം. നിങ്ങള്‍ ഉപയോഗിക്കുന്ന ശബ്ദങ്ങള്‍ ക്ലോന്‍സ് ചെയ്യാന്‍ അവകാശങ്ങള്‍ ഉണ്ടെന്ന്‍ മാത്രം ഉറപ്പ്.

ശബ്ദം വിട്, ഒരു ഐ അസിസ്റ്റന്റിനോട് സംസാരിക്കാന്‍ അനുവദിക്കുന്നു. നിങ്ങളുടെ ബ്രൌസര്‍ നിങ്ങളുടെ സംസാരം ടെക്സ്റ്റിലേക്ക് മാറ്റുന്നു ക്വെന്‍2.5 (ഞങ്ങളുടെ GPUS യില്‍ പ്രവര്‍ത്തിക്കുന്ന ഭാഷാസങ്കലനം) മറുപടി എഴുതുന്നു. പ്ലെപ്പര്‍ ശബ്ദം അത് ഉറക്കെ വായിക്കുന്നു. അത് ഇംഗ്ലീഷില്‍ നിന്ന് ഊഴം.

നിങ്ങളുടെ ശബ്ദപ്രയോഗം മാറ്റാൻ തയ്യാറാണോ?

Join thousands of developers and creators using Speech to Speech AI.