चॅटरबॉक्स, कोकोरो आणि व्हिसपर या तंत्रज्ञानावर आधारित.

अखेरचा
भाषण ते भाषण.
AI प्लॅटफॉर्म

कोणत्याही आवाजाची नक्कल काही क्षणांत करा, मजकूरला भाषणात रूपांतरित करा, ऑडिओचे लिप्यंतरण करा आणि एका आवाजाला दुसऱ्या आवाजात बदला, हे सर्व अत्याधुनिक, मुक्त-स्रोत (ओपन-सोर्स) मॉडेल्स वापरून करा.

क्रेडीट कार्ड आवश्यक नाही १० खंड API प्रवेश समाविष्टीत आहे
व्हॉइस क्लोनिंग प्रात्यक्षिक.
सारखेच शब्द, वेगळा आवाज

एकच वाक्य दोन वेगवेगळ्या आवाजात ऐकाName

तुमचा स्वतःचा आवाज क्लोन करा.

state- of- the- art खुले स्रोत मॉडेलद्वारे चालविले जाते

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

व्हॉइस एआय (Voice AI) साठी आवश्यक असलेली सर्व सामग्री.

प्रत्येक प्रकारच्या भाषणासंबंधी उपयोगासाठी आवश्यक असलेली सर्वसमावेशक साधने.

काम करताना

तुमच्या आवाजाला आकर्षक बनवण्यासाठी तीन सोप्या पायऱ्या.

1

ऑडिओ अपलोड करा

आवाजाचा नमुना अपलोड करा (10-30 सेकंद) किंवा तुमच्या ब्राऊजरमध्ये थेट रेकॉर्ड करा. आम्ही MP3, WAV, FLAC, व इतर समर्थन देतो.

2

AI सह प्रक्रिया करा

याचे मुख्य कार्य म्हणजे गूगल प्ले स्टोअर, गुगल प्ले स्टोअर, गुगल प्ले स्टोअर आणि गुगल प्ले स्टोअर मधील माहिती साठवणे.

3

डाउनलोड किंवा स्ट्रीम

त्याचे परिणाम पुढीलप्रमाणे आहेत : अनेक प्रकारच्या शस्त्रक्रिया, शस्त्रक्रियानंतरचे उपचार, शस्त्रक्रियानंतरचे उपचार, शस्त्रक्रियानंतरचे उपचार.

सर्वोत्तम खुले स्रोत मॉडेल द्वारे समर्थीत

आम्ही अत्याधुनिक वक्तृत्व AI संशोधनाचा वापर करतो आणि योगदान देतो

OpenVoice v2

वैकल्पिक आवाज रूपांतरण इंजिन व क्लोन मॉडेल

  • टोन रंग रूपांतरण
  • शब्द व वेळ ठेवतो
  • MIT परवाना
Chatterbox

आवाज क्लोन, आवाज दुमडणे आणि आमचे मुलभूत आवाज रूपांतर (Chatbox VC)

  • Zero-shot क्लोन
  • २३ भाषांत
  • व्यावसायिक वापरास परवानगी
Kokoro 82M

जलद आणि नैसर्गिक आवाज वापरून मजकूर वाचण्याची प्रणाली.

  • ५४ तास
  • ८ भाषा
  • अपाचे 2.0परवाना
Whisper Large v3

बहुभाषिक ट्रांसक्रिप्शन

  • स्वचालित भाषा शोध
  • 100 भाषा.
  • शब्द वेळ चिन्ह

प्रत्येक वापर प्रकरण करीता बनविले गेले

विषयवस्तु निर्मितीपासून ते उद्योजक अनुप्रयोगांपर्यंत

अनुक्रम बनविणे

याशिवाय, वृत्तपत्रे, मासिकांमधील लेख, चित्रपट, दूरचित्रवाणी मालिका इत्यादी माध्यमांतूनही त्यांनी लेखन केले आहे.

ग्राहक सेवा

यासाठी यंत्रणा तयार करणे आणि त्याद्वारे यंत्रणेचे कार्य करणे आवश्यक आहे.

स्थानिकीकरण

अनेक भाषांत अनुवाद करून त्यांनी मराठी भाषेच्या विकासासाठी मोलाचे योगदान दिले.

प्रवेशीयता

ज्यांच्याकडे आवाज नाही, त्यांना आवाज द्या. त्यांच्यासाठी खासspeech synthesis (ध्वनी संश्लेषण) तयार करा.

गेमिंग आणि मनोरंजन.

ॲरिस्टॉटलच्या तत्त्वज्ञानाचा अभ्यास, तत्त्वज्ञानाच्या अभ्यासक्रमाचा अभ्यास, तत्त्वज्ञानाच्या अभ्यासक्रमाचा अभ्यास इ.

शिक्षण

याचे कारण म्हणजे, तत्त्वज्ञानाच्या अभ्यासात तत्त्वज्ञानाचा वापर केला जातो.

डेव्हलपर API

आमचे API सह बनवा

प्रत्येक साधनासाठी एक सोपा REST API: आपल्या API कीसह एक विनंती पाठवा, त्यानंतर परिणामासाठी पोल.

  • RESTful API

    सर्व वैशिष्ट्यांकरीता सोपे HTTP एंडपॉइंट

  • वेबहूक्स

    ट्रान्सक्रिप्शन कार्य पूर्ण झाल्यावर परिणाम तुमच्या URL वर POST करू शकते

API दस्तऐवजीकरण पहा
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"}

सोपे, पारदर्शक किंमत निश्चिती

मोफत सुरू करा, वाढत जाण्याप्रमाणे वाढवा

मोकळे
$0/महिना
  • 10 कोटी/वर्ष
  • सर्व साधन समाविष्टीत आहे
  • API प्रवेश
सुरू करा
प्रारंभकर्ता
$9/महिना
  • 100 क्रेडिट / महिन्याचे
  • सर्व साधन समाविष्टीत आहे
  • API प्रवेश
प्रारंभकर्ता निवडा
प्रो
$29/महिना
  • 500 क्रेडिट / महिन्याचे
  • सर्व साधन समाविष्टीत आहे
  • API प्रवेश
प्रो निवडा
उद्योजक
$99/महिना
  • 2000 क्रेडिट / महिन्याचे
  • सर्व साधन समाविष्टीत आहे
  • API प्रवेश
उद्योजक निवडा

वारंवार विचारले जाणारे प्रश्न

"Speech to Speech AI" बद्दल तुम्हाला जाणून घ्यायला हवे असलेली सर्व माहिती.

आवाज क्लोनिंग एआयचा वापर एखाद्या व्यक्तीच्या आवाजाच्या नमुन्याचा (साधारणपणे 10-30 सेकंद) विश्लेषण करण्यासाठी आणि त्या आवाजात कोणताही पाठ बोलू शकतो डिजिटल मॉडेल तयार करण्यासाठी करते.

आम्ही इंग्रजी, स्पॅनिश, फ्रेंच, जर्मन, चिनी, जपानी, कोरियाई, अरबी, पोर्तुगीज, रशियन, इटली, डच, पोलिश आणि अनेक अधिक समर्थन. आमचे बहुभाषिक मॉडेल आवाज क्लोन करू शकते आणि या भाषांमधील कोणत्याही भाषेत भाषण निर्माण करू शकते.

होय! आम्ही दर महिन्याला 10 क्रेडिटसह मोफत स्तर प्रदान करतो, ज्यात सर्व वैशिष्ट्यांसह पूर्ण प्रवेश समाविष्ट आहे: आवाज क्लोनिंग, पाठ-भाषणे, भाषण-भाषणे, आणि अधिक. नोंदणी करण्यासाठी कोणत्याही क्रेडिट कार्डची आवश्यकता नाही. अधिक क्रेडिटसाठी कोणत्याही वेळी अपग्रेड करा.

आम्ही खुल्या स्रोत मॉडेल वापरतो: आवाज क्लोनिंगसाठी चॅटरबॉक्स आणि ओपनव्हॉईस व्हर्जन2, कोकोरो, पाइपर, व्हिट्स आणि बार्क पाठ-भाषणासाठी, व्हिस्पर लहान व्हर्जन3ट्रान्सक्रिप्शनसाठी, चॅटरबॉक्स व्हिसी आवाज रूपांतरासाठी (ओपनव्हॉईस व्हर्जन2अजूनही निवडता येते), चॅटरबॉक्स AI डबिंगमध्ये क्लोन आवाजासाठी आणि Qwen2.5 आवाज गप्पा मध्ये उत्तरे. ते सर्व आमच्या स्वतःच्या GPU सर्वरवर चालतात.

खरच! आमच्या सर्व विनामूल्य योजनांमध्ये व्यावसायिक वापराचे अधिकार समाविष्ट आहेत. तुम्ही व्हिडिओ, पॉडकास्ट, ऍप, खेळ, ग्राहक सेवा आणि इतर कोणत्याही व्यावसायिक अनुप्रयोगासाठी निर्मित ऑडिओ वापरू शकता. फक्त खात्री करा की तुम्हाला वापरलेले आवाज क्लोन करण्याचे अधिकार आहेत.

आवाज संवाद तुम्हाला AI सहाय्यकशी बोलण्यास परवानगी देतो. तुमचा ब्राऊजर तुमचा आवाज पाठ्य मध्ये बदलवितो, Qwen2.5 (आमच्या GPU वर चालणारे एक ओपन सोर्स भाषा मॉडेल) तुम्ही निवडलेल्या व्यक्तिमत्वात उत्तर लिहितो, आणि Piper आवाज ते जोरात वाचतो. ते इंग्रजी मध्ये टप्प्याटप्प्याने कार्य करते.

आवाज अनुप्रयोग बदलविण्याकरीता तयार आहात?

Speech to Speech AI वापरणाऱ्या हजारो डेव्हलपर व निर्मातांबरोबर सामील व्हा.