ਚੈਟਰਬਾਕਸ, ਕੋਕੋਰੋ ਅਤੇ ਵਿਸਪਰ ਨਾਲ ਚਲਾਓ

ਅੰਤਮ
ਬੋਲੀ ਤੋਂ ਬੋਲੀ
AI ਪਲੇਟਫਾਰਮ

ਕਿਸੇ ਵੀ ਆਵਾਜ਼ ਨੂੰ ਸਕਿੰਟਾਂ ਵਿੱਚ ਕਲੋਨ ਕਰੋ, ਪਾਠ ਨੂੰ ਬੋਲੀ ਵਿੱਚ ਬਦਲੋ, ਆਡੀਓ ਨੂੰ ਟਰਾਂਸਕਰੀਪਟ ਕਰੋ ਅਤੇ ਇੱਕ ਆਵਾਜ਼ ਨੂੰ ਦੂਜੀ ਵਿੱਚ ਬਦਲੋ, ਸਭ ਓਪਨ-ਸੋਰਸ ਮਾਡਲਾਂ ਨਾਲ।

ਕੋਈ ਕ੍ਰੈਡਿਟ ਕਾਰਡ ਲੋੜੀਦਾ ਨਹੀਂ 10 ਮੁਫ਼ਤ ਕਰੈਡਿਟ API ਪਹੁੰਚ ਸ਼ਾਮਲ
ਬੋਲੀ ਕਲੋਨਿੰਗ ਡੈਮੋ
ਇੱਕੋ ਸ਼ਬਦ, ਵੱਖਰੀ ਆਵਾਜ਼

ਇੱਕੋ ਵਾਕ ਨੂੰ ਦੋ ਵੱਖ ਵੱਖ ਅਵਾਜ਼ਾਂ ਵਿੱਚ ਸੁਣੋ

ਆਪਣੀ ਆਵਾਜ਼ ਕਲੋਨ ਕਰੋ

State- of- the- art ਓਪਨ- ਸੋਰਸ ਮਾਡਲਾਂ ਨਾਲ ਚਲਾਇਆ

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

Everything You Need for Voice AI

Comprehensive tools for every speech application

ਇਹ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ

ਬੋਲੀ ਤਬਦੀਲੀ ਲਈ ਤਿੰਨ ਸਧਾਰਨ ਕਦਮ

1

ਆਡੀਓ ਅੱਪਲੋਡ

ਇੱਕ ਆਵਾਜ਼ ਸੈਪਲ ਅੱਪਲੋਡ ਕਰੋ (10- 30 ਸਕਿੰਟ) ਜਾਂ ਆਪਣੇ ਬਰਾਊਜ਼ਰ ਵਿੱਚ ਸਿੱਧਾ ਰਿਕਾਰਡ ਕਰੋ । ਅਸੀਂ MP3, WAV, FLAC ਅਤੇ ਹੋਰ ਲਈ ਸਹਾਇਕ ਹਾਂ ।

2

AI ਨਾਲ ਪਰੋਸੈਸ

ਸਾਡੇ GPU ਸਰਵਰ ਤੁਹਾਡੇ ਆਡੀਓ ਨੂੰ ਖੋਲ੍ਹੇ ਸਰੋਤ ਮਾਡਲਾਂ ਜਿਵੇਂ ਕਿ ਚੈਟਰਬਾਕਸ, ਕੋਕੋਰੋ, ਵਿਸਪਰ ਅਤੇ ਓਪਨਵਾਇਸ ਨਾਲ ਪਰੋਸੈਸ ਕਰਦੇ ਹਨ।

3

ਡਾਊਨਲੋਡ ਜਾਂ ਸਟਰੀਮ

ਆਪਣੇ ਨਤੀਜੇ ਤੁਰੰਤ ਪ੍ਰਾਪਤ ਕਰੋ । ਕਈ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਡਾਊਨਲੋਡ ਕਰੋ ਜਾਂ ਸਾਡੇ ਰੀਅਲ-ਟਾਈਮ API ਰਾਹੀਂ ਸਿੱਧਾ ਸਟਰੀਮ ਕਰੋ ।

ਸਭ ਤੋਂ ਵਧੀਆ ਓਪਨ- ਸੋਰਸ ਮਾਡਲਾਂ ਨਾਲ ਚਲਾਇਆ

ਅਸੀਂ ਆਧੁਨਿਕ ਬੋਲੀ ਐੱਮਈ ਖੋਜ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਂਦੇ ਹਾਂ ਅਤੇ ਇਸ ਦਾ ਇਸਤੇਮਾਲ ਕਰਦੇ ਹਾਂ।

OpenVoice v2

ਚੋਣਵੀਂ ਬੋਲੀ ਬਦਲਣ ਇੰਜਣ ਅਤੇ ਕਲੋਨਿੰਗ ਮਾਡਲ

  • ਟੋਨ ਰੰਗ ਬਦਲੋ
  • ਸ਼ਬਦ ਅਤੇ ਟਾਈਮ ਰੱਖਦਾ ਹੈ
  • MIT ਲਾਈਸੈਂਸ
Chatterbox

ਆਵਾਜ਼ ਕਲੋਨਿੰਗ, ਡੁਪਲੀਕੇਟ ਆਵਾਜ਼ ਅਤੇ ਸਾਡੀ ਡਿਫਾਲਟ ਆਵਾਜ਼ ਬਦਲੋ (Chatterbox VC)

  • ਜ਼ੀਰੋ-ਸ਼ੋਟ ਕਲੋਨਿੰਗ
  • 23 languages
  • ਵਪਾਰਕ ਵਰਤੋਂ ਮਨਜ਼ੂਰ
Kokoro 82M

ਤੇਜ਼, ਕੁਦਰਤੀ ਪਾਠ ਤੋਂ ਬੋਲੀ

  • 54 ਆਵਾਜ਼ਾਂ
  • 8 languages
  • Apache 2.0 licence
Whisper Large v3

ਬਹੁ- ਭਾਸ਼ਾ ਟਰਾਂਸਲੇਸ਼ਨ

  • ਆਟੋਮੈਟਿਕ ਭਾਸ਼ਾ ਖੋਜ
  • 100 ਭਾਸ਼ਾਵਾਂ
  • ਸ਼ਬਦ ਟਾਈਮ- ਸਟੈਂਪ

ਹਰੇਕ ਵਰਤੋਂ ਲਈ ਬਣਾਇਆ

ਸਮੱਗਰੀ ਬਣਾਉਣ ਤੋਂ ਲੈ ਕੇ ਕਾਰੋਬਾਰੀ ਐਪਲੀਕੇਸ਼ਨ ਤੱਕ

ਸਮੱਗਰੀ ਬਣਾਉਣਾ

ਵਿਡੀਓ, ਪੋਡਕਾਸਟ, ਆਡੀਓਬੁੱਕਾਂ ਅਤੇ ਸਮਾਜਿਕ ਮੀਡੀਆ ਸਮੱਗਰੀ ਲਈ ਵਾਇਸ-ਓਵਰ ਬਣਾਓ।

ਗਾਹਕ ਸੇਵਾ

ਬੋਲੀ ਏਜੰਟ ਬਣਾਓ ਜੋ ਕਿ ਕੁਦਰਤੀ ਸੁਣਾਈ ਦੇਵੇ ਅਤੇ ਜਟਿਲ ਗੱਲਬਾਤ ਨੂੰ ਸੰਭਾਲ ਸਕੇ।

ਲੋਕਲਾਈਜ਼ੇਸ਼ਨ

ਅਸਲੀ ਸਪੀਕਰ ਦੀ ਆਵਾਜ਼ ਨੂੰ ਸੰਭਾਲਦੇ ਹੋਏ ਸਮੱਗਰੀ ਨੂੰ ਕਈ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਡਬ ਕਰੋ ।

ਪਹੁੰਚਯੋਗਤਾ

ਉਨ੍ਹਾਂ ਨੂੰ ਇੱਕ ਆਵਾਜ਼ ਦਿਓ, ਜਿਨ੍ਹਾਂ ਨੇ ਆਪਣੀ ਆਵਾਜ਼ ਗੁਆ ਲਈ ਹੈ । ਪਸੰਦੀਦਾ ਬੋਲੀ ਸੰਸਲੇਸ਼ਣ ਬਣਾਓ ।

Gaming & Entertainment

ਡਾਇਨਾਮਿਕ NPC ਆਵਾਜ਼ਾਂ, ਅੱਖਰ ਡਾਈਲਾਗ ਅਤੇ ਇੰਟਰੈਕਟਿਵ ਅਨੁਭਵ ਬਣਾਓ।

ਸਿੱਖਿਆ

ਕੁਦਰਤੀ ਸੁਣਨਯੋਗ ਕਹਾਣੀਆਂ ਨਾਲ ਦਿਲਚਸਪ ਸਿੱਖਿਆ ਸਮੱਗਰੀ ਬਣਾਓ।

ਡਿਵੈਲਪਰ API

ਸਾਡੇ API ਨਾਲ ਬਣਾਓ

ਹਰੇਕ ਟੂਲ ਲਈ ਇੱਕ ਸਧਾਰਨ REST API: ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਇੱਕ ਮੰਗ ਭੇਜੋ, ਫਿਰ ਨਤੀਜੇ ਲਈ ਪੁਲਿਸ ਕਰੋ ।

  • RESTful API

    ਸਭ ਫੀਚਰ ਲਈ ਸਧਾਰਨ HTTP ਅੰਤ- ਬਿੰਦੂ

  • ਵੈੱਬ- ਹੁਕ

    ਟਰਾਂਸਕਰੀਪਸ਼ਨ ਜਾਬ ਜਦੋਂ ਮੁਕੰਮਲ ਹੋਣ ਤਾਂ ਆਪਣੇ ਨਤੀਜੇ URL ਵਿੱਚ POST ਕਰ ਸਕਦੀ ਹੈ

API ਡੌਕੂਮੈਂਟ ਵੇਖੋ
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"}

ਸਧਾਰਨ, ਪਾਰਦਰਸ਼ੀ ਕੀਮਤ

ਮੁਫ਼ਤ ਸ਼ੁਰੂ ਕਰੋ, ਜਿਵੇਂ ਤੁਸੀਂ ਵਧਦੇ ਹੋ ਸਕੇਲ ਕਰੋ

ਮੁਫ਼ਤ
$0/ਮਹੀਨਾ
  • 10 ਕਰੈਡਿਟ/ਮਹੀਨਾ
  • ਸਭ ਟੂਲ ਸ਼ਾਮਲ
  • API ਪਹੁੰਚ
ਸ਼ੁਰੂ ਕਰੋ
ਸ਼ੁਰੂਆਤ
$9/ਮਹੀਨਾ
  • 100 ਕ੍ਰੈਡਿਟ / ਮਹੀਨਾ
  • ਸਭ ਟੂਲ ਸ਼ਾਮਲ
  • API ਪਹੁੰਚ
ਸਟਾਰਟਅੱਪ ਚੁਣੋ
ਪਰੋ
$29/ਮਹੀਨਾ
  • 500 ਕ੍ਰੈਡਿਟ / ਮਹੀਨਾ
  • ਸਭ ਟੂਲ ਸ਼ਾਮਲ
  • API ਪਹੁੰਚ
ਪਰੋਫੈਸਰ ਚੁਣੋ
ਐਂਟੀਗਰੇਸ਼ਨ
$99/ਮਹੀਨਾ
  • 2000 ਕ੍ਰੈਡਿਟ / ਮਹੀਨਾ
  • ਸਭ ਟੂਲ ਸ਼ਾਮਲ
  • API ਪਹੁੰਚ
ਐਂਟੀਗਰੇਸ਼ਨ ਚੁਣੋ

ਅਕਸਰ ਪੁੱਛੇ ਜਾਂਦੇ ਸਵਾਲ

Speech to Speech AI ਬਾਰੇ ਤੁਹਾਨੂੰ ਜਾਣਨ ਦੀ ਲੋੜ ਹੈ ਸਭ ਕੁਝ

ਵੌਇਸ ਕਲੋਨਿੰਗ AI ਨੂੰ ਕਿਸੇ ਦੀ ਆਵਾਜ਼ ਦੇ ਨਮੂਨੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਵਰਤਦੀ ਹੈ (ਸਾਧਾਰਨ ਤੌਰ ਉੱਤੇ 10-30 ਸਕਿੰਟ) ਅਤੇ ਇੱਕ ਡਿਜੀਟਲ ਮਾਡਲ ਬਣਾਉਦਾ ਹੈ, ਜੋ ਕਿ ਕਿਸੇ ਵੀ ਪਾਠ ਨੂੰ ਉਸ ਆਵਾਜ਼ ਵਿੱਚ ਬੋਲ ਸਕਦਾ ਹੈ। ਸਾਡਾ ਪਲੇਟਫਾਰਮ ਕੁਦਰਤੀ-ਸੁਣਨ ਵਾਲੇ ਨਤੀਜਿਆਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਚੈਟਰਬਾਕਸ ਅਤੇ ਓਪਨਵੌਇਸ ਵਰਗੇ state-of-the-art ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।

ਅਸੀਂ ਅੰਗਰੇਜ਼ੀ, ਸਪੇਨੀ, ਫਰੈਂਚ, ਜਰਮਨ, ਚੀਨੀ, ਜਾਪਾਨੀ, ਕੋਰੀਆਈ, ਅਰਬੀ, ਪੁਰਤਗਾਲੀ, ਰੂਸੀ, ਇਤਾਲਵੀ, ਡੱਚ, ਪੋਲੈਂਡੀ ਅਤੇ ਹੋਰ ਬਹੁਤ ਸਾਰੀਆਂ ਭਾਸ਼ਾਵਾਂ ਲਈ ਸਹਾਇਕ ਹਾਂ । ਸਾਡੇ ਬਹੁ- ਭਾਸ਼ਾਈ ਮਾਡਲ ਇਨ੍ਹਾਂ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚੋਂ ਕਿਸੇ ਇੱਕ ਵਿੱਚ ਆਵਾਜ਼ ਕਲੋਨ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਬੋਲੀ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹਨ ।

ਹਾਂ! ਅਸੀਂ ਮੁਫਤ ਟਾਇਰ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦੇ ਹਾਂ, ਜਿਸ ਵਿੱਚ ਹਰ ਮਹੀਨੇ 10 ਕ੍ਰੈਡਿਟ ਹੁੰਦੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਸਭ ਫੀਚਰ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ: ਬੋਲੀ ਕਲੋਨਿੰਗ, ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ, ਸਪੀਚ-ਟੂ-ਟੈਕਸਟ, ਅਤੇ ਹੋਰ। ਸਾਈਨਅੱਪ ਕਰਨ ਲਈ ਕੋਈ ਕ੍ਰੈਡਿਟ ਕਾਰਡ ਲੋੜੀਦਾ ਨਹੀਂ ਹੈ। ਹੋਰ ਕ੍ਰੈਡਿਟ ਲਈ ਕਿਸੇ ਵੀ ਸਮੇਂ ਅੱਪਗਰੇਡ ਕਰੋ।

ਅਸੀਂ ਓਪਨ- ਸੋਰਸ ਮਾਡਲ ਵਰਤਦੇ ਹਾਂ: ਬੋਲੀ ਕਲੋਨਿੰਗ ਲਈ ਚੈਟਰਬਕਸ ਅਤੇ ਓਪਨਵਾਇਸ v2, ਟੈਕਸਟ ਤੋਂ ਬੋਲੀ ਲਈ ਕੋਕੋਰੋ, ਪਾਈਪਰ, VITS ਅਤੇ ਬਾਰਕ, ਟਰਾਂਸਕਰੀਪਸ਼ਨ ਲਈ ਵਿਸਪਰ ਲਾਈਟ v3, ਬੋਲੀ ਬਦਲਣ ਲਈ ਚੈਟਰਬਕਸ VC (ਓਪਨਵਾਇਸ v2 ਅਜੇ ਵੀ ਚੁਣਿਆ ਜਾ ਸਕਦਾ ਹੈ), AI ਡਬਿੰਗ ਵਿੱਚ ਕਲੋਨ ਕੀਤੀਆਂ ਬੋਲੀਆਂ ਲਈ ਚੈਟਰਬਕਸ ਅਤੇ ਬੋਲੀ ਚੈਟ ਵਿੱਚ ਜਵਾਬ ਲਈ Qwen2.5। ਇਹ ਸਭ ਸਾਡੇ GPU ਸਰਵਰਾਂ ਉੱਤੇ ਚੱਲਦੇ ਹਨ।

ਹਾਂ! ਸਾਡੇ ਸਭ ਭੁਗਤਾਨ ਕੀਤੇ ਪਲਾਨ ਵਿੱਚ ਵਪਾਰਕ ਵਰਤੋਂ ਅਧਿਕਾਰ ਸ਼ਾਮਲ ਹਨ। ਤੁਸੀਂ ਵਿਡੀਓ, ਪੋਡਕਾਸਟ, ਐਪਲੀਕੇਸ਼ਨ, ਖੇਡਾਂ, ਕਲਾਇਟ ਸਰਵਿਸ ਅਤੇ ਹੋਰ ਵਪਾਰਕ ਐਪਲੀਕੇਸ਼ਨ ਲਈ ਆਡੀਓ ਬਣਾ ਸਕਦੇ ਹੋ। ਇਹ ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਤੁਹਾਨੂੰ ਕਿਸੇ ਵੀ ਬੋਲੀ ਨੂੰ ਕਲੋਨ ਕਰਨ ਦਾ ਅਧਿਕਾਰ ਹੈ।

ਆਵਾਜ਼ ਗੱਲਬਾਤ ਤੁਹਾਨੂੰ AI ਸਹਾਇਕ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦਿੰਦੀ ਹੈ । ਤੁਹਾਡਾ ਬਰਾਊਜ਼ਰ ਤੁਹਾਡੀ ਬੋਲੀ ਨੂੰ ਪਾਠ ਵਿੱਚ ਬਦਲਦਾ ਹੈ, Qwen2.5 (ਇੱਕ ਓਪਨ- ਸੋਰਸ ਭਾਸ਼ਾ ਮਾਡਲ ਜੋ ਕਿ ਸਾਡੇ GPU ਉੱਤੇ ਚੱਲਦਾ ਹੈ) ਤੁਹਾਡੇ ਚੁਣੇ ਵਿਅਕਤੀ ਵਿੱਚ ਜਵਾਬ ਲਿਖਦਾ ਹੈ, ਅਤੇ ਇੱਕ Piper ਆਵਾਜ਼ ਇਹ ਬੋਲਦਾ ਹੈ । ਇਹ ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਇੱਕ ਵਾਰੀ ਕੰਮ ਕਰਦਾ ਹੈ ।

ਕੀ ਤੁਸੀਂ ਆਪਣੀਆਂ ਆਵਾਜ਼ ਐਪਲੀਕੇਸ਼ਨ ਬਦਲਣ ਲਈ ਤਿਆਰ ਹੋ?

Speech to Speech AI ਵਰਤਣ ਵਾਲੇ ਹਜ਼ਾਰਾਂ ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਨਿਰਮਾਤਾਵਾਂ ਨਾਲ ਜੁੜੋ।