Μοντέλα AI
Ενσωματώνουμε τα καλύτερα μοντέλα ομιλίας ανοιχτής πηγής. Όλα τα μοντέλα είναι διαθέσιμα μέσω API και διεπαφής ιστού.
Μοντέλα κειμένου προς ομιλία
Chatterbox
ΣυνιστώμενηΜηδενική κλωνοποίηση φωνής από ένα σύντομο δείγμα αναφοράς, σε 23 γλώσσες. Το προκαθορισμένο μοντέλο κλωνοποίησης, οι φωνές στο μετουσίωση AI και το προκαθορισμένο μοντέλο μετατροπής φωνής (Chatterbox VC).
Kokoro, Piper, VITS και Bark
Four open text to speech engines behind one voice picker. Kokoro 82M (Apache 2.0) is the default; Piper offers only voices whose training data allows commercial use; VITS adds 109 English speakers and Bark 130 presets in 13 languages.
OpenVoice v2
Μετατροπέας χρώματος τόνου και μοντέλο κλωνοποίησης. Ακόμα επιλέξιμο για μετατροπή φωνής, όπου Chatterbox VC είναι τώρα η προεπιλογή επειδή κρατά πολύ περισσότερο από την φωνή στόχο.
Ομιλία ομιλητών των μετατρεπόμενων ηχογραφήσεων σε διαφορετικό κλιπ του ηχείου-στόχου. Δύο κλιπ του ίδιου πραγματικού ηχείου σκορ 0,76 έως 0,88.
Μοντέλα ομιλίας προς κείμενο
Whisper Large v3
Περισσότερα ΧρησιμοποιούμεναΤο μοντέλο αναγνώρισης λόγου του OpenAI. Η Transcripts 100 γλώσσες, με χρονοσφραγίσεις και αυτόματη ανίχνευση γλώσσας.
Whisper Large v3 Turbo
Μια μικρότερη, ταχύτερη έκδοση του Whisper Large v3 για γρηγορότερα πρακτικά. Διάλεξε το σαν ψιθυριστό-τουρμπο.
Μοντέλο συνομιλίας φωνής
Qwen2.5 7B Instruct
Το μοντέλο ανοιχτής γλώσσας που γράφει τις απαντήσεις σε φωνητική συνομιλία, στην προσωπικότητα που διαλέγετε. Ο περιηγητής σας μεταγράφει την ομιλία σας και μια φωνή Piper διαβάζει την απάντηση δυνατά.