AI-modeller
Vi integrerer de bedste open source tale AI modeller. Alle modeller er tilgængelige via API og web-interface.
Tekst- til- tale modeller
Chatterbox
AnbefaletNul-shot stemme kloning fra en kort reference prøve, på 23 sprog. Vores standard klonmodel, stemmerne i AI-dubbing og vores standard stemmekonverteringsmodel (Chatterbox VC).
Kokoro, Piper, VITS og Bark
Fire åbne tekst til talemaskiner bag en stemmevælger. Kokoro 82M (Apache 2.0) er standarden; Piper tilbyder kun stemmer, hvis træningsdata tillader kommerciel brug; VITS tilføjer 109 engelske højttalere og Bark 130 forudindstillinger på 13 sprog.
OpenVoice v2
Tone farve konverter og kloning model. Stadig valgbar for stemme konvertering, hvor Chatterbox VC er nu standard, fordi det holder langt mere af målet stemme.
Højttaler lighed af konverterede optagelser til en anden klip af målet højttaler. To klip af den samme rigtige højttaler score 0,76 til 0,88.
Tale- til- tekst- modeller
Whisper Large v3
Mest brugtOpenAI's open source talegenkendelsesmodel. Transskriberer 100 sprog, med tidsstempler og automatisk sprogdetektering.
Whisper Large v3 Turbo
En mindre, hurtigere version af Whisper Stor v3 for hurtigere udskrifter. Vælg det som hviske-turbo.
Stemmechatmodel
Qwen2.5 7B Instruct
Open source-sprogmodellen, der skriver svarene i stemmechat, i den persona, du vælger. Din browser transskriberer din tale og en Piper stemme læser svaret højt.