KI-Modelle
Wir integrieren die besten Open-Source-Sprach-KI-Modelle. Alle Modelle sind über API und Web-Schnittstelle verfügbar.
Text-to-Speech-Modelle
Chatterbox
EmpfohlenZero-Shot-Stimmklonen aus einer kurzen Referenzprobe, in 23 Sprachen. Unser Standardmodell zum Klonen, die Stimmen der KI-Synchronisation und unser Standardmodell für die Stimmkonvertierung (Chatterbox VC).
Kokoro, Piper, VITS und Bark
Vier offene Text-zu-Sprach-Engines hinter einem Sprach-Picker. Kokoro 82M (Apache 2.0) ist die Standardeinstellung; Piper bietet nur Stimmen, deren Trainingsdaten kommerzielle Nutzung ermöglichen; VITS fügt 109 englische Lautsprecher und Bark 130 Presets in 13 Sprachen hinzu.
OpenVoice v2
Klangfarben-Konverter und Klonmodell. Für die Stimmkonvertierung weiterhin wählbar, wobei Chatterbox VC jetzt der Standard ist, weil es deutlich mehr von der Zielstimme erhält.
Sprecherähnlichkeit der konvertierten Aufnahmen zu einem anderen Clip des Zielsprechers. Zwei Clips desselben echten Sprechers erreichen 0.76 bis 0.88.
Speech-to-Text-Modelle
Whisper Large v3
MeistgenutztDas Open-Source-Spracherkennungsmodell von OpenAI. Transkribiert 100 Sprachen, mit Zeitstempeln und automatischer Spracherkennung.
Whisper Large v3 Turbo
Eine kleinere, schnellere Version von Whisper Large v3 für zügigere Transkripte. Wähle sie als whisper-turbo aus.
Sprachchat-Modell
Qwen2.5 7B Instruct
Das Open-Source-Sprachmodell, das im Sprachchat die Antworten schreibt, in der Persona deiner Wahl. Dein Browser transkribiert, was du sagst, und eine Piper-Stimme liest die Antwort vor.