చాటర్ బాక్స్, కొకోరో & వేస్పెర్ ద్వారా ప్రభావితం

అంతర్భాగం
మాట్లాడేటప్పుడు
ఎఐ ప్లాట్‌ఫాం

సెకన్లలో ఏ స్వరాన్ని క్లాడ్, సంభాషణలోకి పాఠ్యాన్ని మార్చండి, ఆడియో రికార్డింగ్ ఒక స్వరాన్ని మరొక విధంగా మార్చండి, అన్ని రాష్ట్ర-ఖర్చు-జార్డ్ మోడల్ తో.

ఎటువంటి క్రెడిట్ కార్డ్ అవసరం 10 ఉచిత రేట్లు API యాక్సెస్ చేర్చబడింది
శబ్డం క్లాసింగ్ డెమోంComment
ఒకే మాటలు, భిన్నమైన వాయిస్

రెండు విధాలలో అదే పదబంధాన్ని వినుము

మీ సొంత స్వరాన్ని పోల్చుకోండి

స్థితుల- లొ- stall- ను బయటకు పంపించు- కోసం మోడల్ ద్వారా ఆపివేయబడినవి

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

ఏకాంతం కోసం మీరు అవసరమైనవన్నీ

ప్రతి భాష అనువర్తనమునకు కాప్చర్ పనిముట్లు

ఇది ఎలా పనిచేస్తుంది?

వర్తించుటకు మూడు సాదారణ చర్యలు

1

ఆడియోను ఎక్కించు

స్వర మాదిరి (10- 30 సెకనులు) లేదా మీ బ్రౌజర్‌నందు నేరుగా రికార్డు చేయుము. Name మేము MP3, WAV, FLAC, మరియు మరింత మద్దతు.

2

AI తో ప్రక్రియ

మా GPU సర్వీస్స్ మీ ఆడియోను చాటర్బాక్స్, కోకోరో, wisper మరియు ఓపెన్ వీస్ వంటి మోడల్ ద్వారా ప్రాసెస్.

3

డౌన్‌లోడ్‌చేయి లేదా స్ట్రీమ్

మంచి ఫలితాలు చూడండి. మా వాస్తవ సమయం API ద్వారా i నేరుగా ఫార్మాట్ లో డౌన్ లోడ్ చేయి లేదా ప్రవాహం.

ఉత్తమ ఓపెన్-జార్డ్ మోడల్ ద్వారా శక్తిగల

మేము అత్యాధునికమైన స్పీచ్ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) పరిశోధనలను ఉపయోగిస్తాము మరియు వాటికి తోడ్పాటును అందిస్తాము.

OpenVoice v2

ఎంపిక స్వర మార్పిడి ఇంజన్ మరియు KInclipe మోడల్

  • టొని రంగు మార్చు
  • పదములను మరియు సమయాన్ని పట్టుకోుము
  • MIT లైసెన్స్
Chatterbox

శ్రేణి మెన్సీ, వాయిస్ మరియు మా అప్రమేయ స్వర పరివర్తన (జార్బోస్ VC)

  • జోరో- చొప్పి కొవ్వు
  • 23 భాషల్లో
  • అమ్మకపు వాడుక అనుమతించబడింది
Kokoro 82M

వేగం, సహజ పాఠం మాట్లాడటానికి

  • 54 గీతాలు
  • 8 భాషల్లో
  • అపాచే 2.0 లైసెన్స్.
Whisper Large v3

మల్టీగల్‌ ఎడిషన్‌

  • స్వయంచాలక భాష గుర్తింపు
  • 100 భాషల్లో
  • పదకోశం

ప్రతి వాడుకరి కోసం నిర్మించబడింది

కంటెంట్ సృష్టి నుండి వ్యాపార అనువర్తనాల వరకు.

విషయం సృష్టించబడింది

వీడియోలు, పోడ్‌కాస్ట్‌లు, ఆడియోపుస్తకాలు, సోషల్‌ మీడియా సారాంశం కోసం మోషన్‌ను తయారు చేయండి.

నిర్దేశిత సేవ

మాట్లాడే విషయంలోను జాగ్రత్తగా ఉండండి.

స్థానిక

మూల స్పీకర్‌ స్వరము కాపాడుకుంటూనే అనేక భాషల్లో నిమగ్నమై ఉండండి.

అందుబాటు

వారిది కోల్పోయినవారికి ఒక బిగ్గరగా ఇవ్వండి. స్వీయమైన మాటలు మాట్లాడండి.

(T) వినోదం ఆడటం

క్రియాశీల NPC శబ్దములు, పాత్ర డైలాగ్స్ మరియు యింటరాక్టివుగా వున్న అనుభవాలను సృష్టించుము.

విద్య

స్వాభావిక ఒడిస్టింగ్ డేటాతో విద్యా సారమును జతచేయి.

డెవలపర్ API

మనPIతో కట్టుకోండి

ప్రతీ పనికోసం ఒక సాధారణ రీతిని పరీక్షిస్తూ: మీ API కీతో ఒక అభ్యసనం చేయండి, తర్వాత ఫలితాన్ని నిర్ణయించండి.

  • పరీక్షా యంత్రాలతోపాటు, పరీక్షా యంత్రాలతోపాటు, పరీక్షా ఘటనలనూ, సద్గుణాల్ని, చర్యలనూ, సద్గుణాల్ని, చర్యలనూ పరిగణలోకి తీసుకోవాలి.

    అన్ని సౌలభ్యాల కొరకు సాదారణ HTTP ముగింపు పాయింట్లు

  • వెబ్ గేమ్స్Comment

    రిమోట్‌చేయని పనులు మీ URL‌కు సంవర్తించవచ్చు

APIDocs చూడు
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"}

సాధారణ, పారదృశ్యమైన ప్రయోగం

మీరు పెరుగుతుండగా, ఉచితంగా ప్రారంభించు

ఖాళీ
$0/కొ
  • 10 మెట్లు/ నెల
  • పనిముట్లున్నవి
  • API యాక్సెస్
ప్రారంభించు
ప్రారంభించు
$9/కొ
  • 100 మెమొర్లు / నెల
  • పనిముట్లున్నవి
  • API యాక్సెస్
ప్రారంభించు
ప్రాధాన్య
$29/కొ
  • 500 మెమొర్లు / నెల
  • పనిముట్లున్నవి
  • API యాక్సెస్
ప్రతిరూపాన్ని ఎంచుకొనుము
ఎన్‌లైట్ నిర్వచనం
$99/కొ
  • 2000 మెమొర్లు / నెల
  • పనిముట్లున్నవి
  • API యాక్సెస్
ఎడిటర్‌ను ఎంపికచేయుము

ప్రశ్నలు

మీరు Speech to Speech AI గురించి తెలుసుకోవాలి అంతా

Seatcher ఒక వ్యక్తి స్వరం ఒక మాదిరిను ఉపయోగిస్తుంది (10-30 సెకన్లు) మరియు ఆ స్వరం ఏమాటలో మాట్లాడటానికి డిజిటల్ నమూనాను తయారు. మా ప్లాట్ గణితం చాటర్బాక్స్ వంటి రాష్ట్ర-ఖర్టాల మోడల్ మరియు ఔట్వొవియస్ ప్రకృతి అప్రభావ ఫలితాలను సాధించడానికి ఉపయోగిస్తుంది.

మేము ఇంగ్లీషు, స్పానిష్‌, ఫ్రెంచ్‌, ఫ్రెంచ్‌, చైనీస్‌, అరాబిక్‌, పోర్చుగీస్‌, రష్యన్‌, డచ్‌, పోలిష్‌, ఇంకెన్నో భాషలకు మద్దతునిస్తున్నాము. మన బహుభాషా మోడల్‌లు ఈ ఏ భాషల్లోనైనా స్వరాలను క్లోన్‌చేసి మాట్లాడవచ్చు.

అవును! మేము నెలకు 10 పర్సులను ఉచిత స్కోర్ అందించే, అన్ని సౌలభ్యాలను పూర్తి అందుబాటులో ఉంటుంది. స్వరం-transline, stuff-tu-t-text, మరియు మరింత. సైన్ ఇన్ కార్డ్ అవసరం లేదు. మరింత డబ్బులు ప్రతిచోట ఉన్నతీకరించు.

మేము ఓపెన్-సోర్స్ మోడళ్లను ఉపయోగిస్తాము: వాయిస్ క్లోనింగ్ కోసం చాటర్బాక్స్ మరియు ఓపెన్ వాయిస్ v2, టెక్స్ట్ నుండి స్పీచ్ కోసం కొకోరో, పైపర్, విట్స్ మరియు బార్క్, ట్రాన్స్క్రిప్షన్ కోసం విస్పర్ లార్జ్ v3, వాయిస్ కన్వర్షన్ కోసం చాటర్బాక్స్ VC (ఓపెన్ వాయిస్ v2 ఇప్పటికీ ఎంచుకునే అవకాశం ఉంది), కృత్రిమ డబ్బింగ్ కోసం క్లోనింగ్ చేయబడిన వాయిస్‌ల కోసం చాటర్బాక్స్, మరియు వాయిస్ చాట్‌లో వచ్చే సమాధానాల కోసం క్వెన్2.5. ఇవన్నీ మా స్వంత GPU సర్వర్‌లపై పనిచేస్తాయి.

తప్పకుండా! మా ఖర్చుల ప్రణాళికలు వాణిజ్య వాడుక హక్కులు ఉన్నాయి. మీరు వీడియోలు, పోడ్‌కాస్ట్లు, యాప్స్, ఆటలు, వినియోగదారు సేవలు, మరమ్మతు ఏ ఇతర వినియోగాత్మక అనువర్తనములకు సృష్టించబడిన ఆడియోను వుపయోగించవచ్చు. మీరు ఏ శ్రేణి క్లోన్ హక్కులు నిర్ధారించుకోండి.

స్వరము చాట్ మీరు AI సహాయకుడితో మాట్లాడటానికి వీలు. మీ బ్రౌజర్ పాఠ్యంలో మీ ప్రసంగాన్ని మార్చుతుంది Qwn2.5 (మా GPUS నడుస్తున్న ఓపెన్ భాషా-జార్ మోడల్) మీరు ఎంపిక వ్యక్తి లో సమాధానం వ్రాయండి మరియు ఒక పిపెర్ వాయిస్ బిగ్గరగా చదువుతుంది. అది ఇంగ్లీష్ లో, మలుపు తిరిగి.

మీ స్వరాన్ని మార్చుకోవడానికి సిద్ధంగా ఉందా?

Speech to Speech AI ఉపయోగించి వేల అభివృద్దికారులు మరియు సృష్టికారులలో చేరండి.