Modèles d'IA

Nous intégrons les meilleurs modèles d'IA de langage open-source. Tous les modèles sont disponibles via API et interface web.

Modèles de synthèse vocale

Chatterbox
Recommandé

Clonage vocal zero-shot à partir d'un court échantillon de référence, en 23 langues. Notre modèle de clonage par défaut, les voix du doublage IA et notre modèle de conversion de voix par défaut (Chatterbox VC).

Langues 23
Audio de référence 6 à 60 s
VRAM ~5GB
Licence MIT
Clonage zero-shot Conversion vocale Multilingue Usage commercial
Kokoro, Piper, VITS et Bark

Quatre moteurs de texte à voix ouverte derrière un sélectionneur de voix. Kokoro 82M (Apache 2.0) est la valeur par défaut ; Piper ne propose que des voix dont les données de formation permettent une utilisation commerciale ; VITS ajoute 109 locuteurs anglais et des préréglages Bark 130 en 13 langues.

Voix 316
Langues 19
Moteurs 4
Télécharger MP3, WAV, OGG, FLAC
Multilingue Usage commercial autorisé
Essayer la synthèse vocale
OpenVoice v2

Convertisseur de timbre et modèle de clonage. Toujours sélectionnable pour la conversion de voix, où Chatterbox VC est désormais le choix par défaut car il conserve bien plus de la voix cible.

Ressemblance vocale dans notre test OpenVoice v2: 0.17 to 0.35
Ressemblance vocale dans notre test Chatterbox VC: 0.64 to 0.75
Licence MIT

Similarité du locuteur entre les enregistrements convertis et un autre clip du locuteur cible. Deux clips du même vrai locuteur obtiennent de 0.76 à 0.88.

Conversion vocale Optionnel
GitHub

Modèles de transcription

Whisper Large v3
Le plus utilisé

Le modèle open source de reconnaissance vocale d'OpenAI. Il transcrit 100 langues, avec horodatage et détection automatique de la langue.

Langues 100
Paramètres 1.5B
VRAM ~10GB
Détection de la langue Automatique
Modèle par défaut Multilingue Horodatage
Whisper Large v3 Turbo

Une version plus petite et plus rapide de Whisper Large v3 pour des transcriptions plus rapides. Choisissez-la sous le nom whisper-turbo.

Langues 100
Paramètres 809M
VRAM ~6GB
Licence MIT
Plus rapide Multilingue

Modèle du chat vocal

Qwen2.5 7B Instruct

Le modèle de langage open source qui rédige les réponses du chat vocal, avec le personnage de votre choix. Votre navigateur transcrit votre voix et une voix Piper lit la réponse à voix haute.

Paramètres 7B
Licence Apache 2.0
Voix Piper
Fonctionne sur Nos GPU
Personas personnalisés
GitHub