tekoälymallit

Integroimme parhaat avoimen lähdekoodin tekoälymallit. Kaikki mallit ovat saatavilla API- ja verkkoliittymän kautta.

Tekstistä puheentoistomallit

Chatterbox
Suositellaan

Äänien kloonaus nolla-ammunnalla lyhyestä vertailunäytteestä 23 kielellä. Oletuskloonausmallimme, tekoälyäänet ja oletusäänen muuntaminen (Chatterbox VC).

Kielet 23
Viiteääni 6-60 s
VRAM ~5GB
Lisenssi MIT
Nolla-aseen kloonaus Äänimuunnos Monikielinen Kaupallinen käyttö
Kokoro, Piper, VITS ja Bark

Neljä avointa tekstiä puhemoottoreille yhden äänenvaimentajan takana. Kokoro 82M (Apache 2.0) on oletus; Piper tarjoaa vain ääniä, joiden koulutustiedot mahdollistavat kaupallisen käytön. VITS lisää 109 englanninkielistä ja Bark 130 presetiä 13 kielellä.

Ääni 316
Kielet 19
Moottorit 4
Lataa MP3, WAV, OGG, FLAC
Monikielinen Kaupallinen käyttö sallittu
Kokeile tekstiä puhuaksesi
OpenVoice v2

Tone värimuuntaja ja kloonaus malli. Voit yhä valita äänen muuntamisen, jossa Chatterbox VC on nyt oletus, koska se pitää paljon enemmän kohdeääntä.

Ääniottelu testissämme OpenVoice v2: 0.17 to 0.35
Ääniottelu testissämme Chatterbox VC: 0.64 to 0.75
Lisenssi MIT

Muunnettujen äänitteiden kaiuttimen samankaltaisuus eri kuvasimeen. Kaksi klippiä samasta todellisesta kaiuttimesta pisteet 0,76-0,88.

Äänimuunnos Valinnainen
GitHub

Puheenvaihto-tekstimallit

Whisper Large v3
Käytetyimmät

OpenAI:n avoimen lähdekoodin puhetunnistusmalli. Sanat ovat 100 kieltä, joihin on merkitty aikaleimat ja automaattinen kielentunnistus.

Kielet 100
Parametrit 1.5B
VRAM ~10GB
Kielten osoittaminen Automaattinen
Oletusmalli Monikielinen Aikaleimat
Whisper Large v3 Turbo

Pienempi, nopeampi versio Whisper Large v3:sta nopeammille selostuksille. Valitse se kuiskailuturboksi.

Kielet 100
Parametrit 809M
VRAM ~6GB
Lisenssi MIT
Nopeammin Monikielinen

Puhechat-malli

Qwen2.5 7B Instruct

Avoimen lähdekoodin kielimalli, joka kirjoittaa vastaukset äänikeskusteluun, valitsemaasi henkilöön. Selaimesi kirjoittaa puheesi ja Piper-ääni lukee vastauksen ääneen.

Parametrit 7B
Lisenssi Apache 2.0
Ääni Piper
Toimii GPU-apurahamme
Mukautettuja personoita
GitHub