Mga modelo ng AI
Nagsasama kami ng pinakamahusay na open-source na modelo ng AI ng pagsasalita. Lahat ng mga modelo ay magagamit sa pamamagitan ng API at web interface.
Mga modelong Text-to-Speech
Chatterbox
InirerekumendaZero-shot na cloning ng boses mula sa isang maikling sample ng sanggunian, sa 23 wika. Ang aming default na modelo ng cloning, ang mga boses sa AI dubbing, at ang aming default na modelo ng conversion ng boses (Chatterbox VC).
Ang Kokoro, Piper, VITS at Bark ay mga halimbawa.
Kokoro 82M (Apache 2.0) ay ang default; Piper nag-aalok lamang ng mga boses na ang pagsasanay data ay nagbibigay-daan sa komersyal na paggamit; VITS ay nagdaragdag ng 109 Ingles speaker at Bark 130 presets sa 13 wika.
OpenVoice v2
Tone kulay converter at cloning modelo. Pa rin napili para sa conversion ng boses, kung saan Chatterbox VC ay ngayon ang default dahil ito ay natiling malayo mas marami ng target na boses.
Speaker pagkakatulad ng convert na mga recordings sa isang iba't ibang clip ng target speaker. Dalawang mga clip ng parehong tunay na speaker score 0.76 sa 0.88.
Mga modelong Speech-to-Text
Whisper Large v3
Karamihan GinamitAng OpenAI ay isang open-source na modelo ng pagkilala sa pananalita. Nag-translate ng 100 wika, may mga timestamp at awtomatikong pagtukoy ng wika.
Whisper Large v3 Turbo
Isang mas maliit, mas mabilis na bersyon ng Whisper Large v3 para sa mas mabilis transcripts. Piliin ito bilang whisper-turbo.
Modelo ng Voice Chat
Qwen2.5 7B Instruct
Ang open-source na modelo ng wika na sumulat ng mga sagot sa voice chat, sa persona na iyong pinili. Ang iyong browser ay nag-translate ng iyong pagsasalita at isang Piper na boses ay nagbabasa ng tugon nang malakas.