AI મોડેલો
અમે શ્રેષ્ઠ ઓપન-સોર્સ સ્પીકિંગ એઆઈ મોડેલોને એકીકૃત કરીએ છીએ.
લખાણ-થી-ભાષા મોડેલો
Chatterbox
સૂચવાયેલ23 ભાષાઓમાં ટૂંકા સંદર્ભ નમૂનામાંથી શૂન્ય-શૉટ અવાજ ક્લોનિંગ. અમારું મૂળભૂત ક્લોનિંગ મોડેલ, AI ડબિંગમાં અવાજ, અને અમારું મૂળભૂત અવાજ પરિવર્તન મોડેલ (Chatterbox VC).
કોકોરો, પાઇપર, VITS અને બાર્ક
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
ટોન રંગ પરિવર્તક અને ક્લોનિંગ મોડેલ. હજુ પણ અવાજ પરિવર્તન માટે પસંદ કરી શકાય છે, જ્યાં ચેટબોક્સ VC હવે મૂળભૂત છે કારણ કે તે લક્ષ્ય અવાજના ઘણાં વધારે રાખે છે.
લક્ષ્ય સ્પીકરનાં અલગ ક્લિપમાં રૂપાંતરિત રેકોર્ડની સ્પીકર સરખામણી. એક જ વાસ્તવિક સ્પીકરનાં બે ક્લિપ ૦.૭૬ થી ૦.૮૮ સુધીનો સ્કોર કરે છે.
બોલી-થી-લખાણ મોડેલો
Whisper Large v3
સૌથી વધુ વપરાયેલOpenAI નું ઓપન-સોર્સ ભાષા ઓળખ મોડેલ. ૧૦૦ ભાષાઓનું અનુવાદ કરે છે, સમયસમાચારો અને આપોઆપ ભાષા શોધ સાથે.
Whisper Large v3 Turbo
ઝડપી ટ્રાન્સક્રિપ્ટ માટે Whisper Large v3 ની નાની, ઝડપી આવૃત્તિ. તેને whisper-turbo તરીકે પસંદ કરો.
અવાજ સંવાદ મોડેલ
Qwen2.5 7B Instruct
ઓપન-સોર્સ ભાષા મોડેલ કે જે અવાજ સંવાદમાં જવાબો લખે છે, તમે પસંદ કરેલ વ્યક્તિત્વમાં. તમારું બ્રાઉઝર તમારી વાતચીતનું અનુવાદ કરે છે અને Piper અવાજ જવાબને સાંભળે છે.