מודלים אל

אנחנו משלבים את מודלי הדיבור בקוד פתוח. כל המודלים זמינים באמצעות ממשק API ו-WEL.

מודלים של טקסט לדיבור

Chatterbox
מומלץ

שיבוט קול אפסי מדגם התייחסות קצר, ב-23 שפות. מודל השיבוט ברירת המחדל שלנו, הקולות ב-AI dubbing, ומודל המרת הקול ברירת המחדל שלנו (Chatterbox VC).

שפות 23
שמע הפניה 6 עד 60 s
VRAM ~5GB
רישיון MIT
"שיבוט אפס-ירייה" המרה קולית רב לשונית שימוש מסחרי
קוקורו, פייפר, ויטיס וברק

ארבעה טקסט פתוח למנועי דיבור מאחורי בוחר קול אחד. Kokoro 82M (Apache 2.0) היא ברירת המחדל של ה-Apache; פייפר מציעה רק קולות שמידע האימון שלהם מאפשר שימוש מסחרי; VITS מוסיף 109 דוברים אנגלים וברק 130 סטים מראש ב-13 שפות.

קולות 316
שפות 19
מנועים 4
הורד MP3, WAV, OGG, FLAC
רב לשונית שימוש מסחרי מותר
נסה טקסט לדיבור
OpenVoice v2

ממיר צבע טון ומודל שיבוט. עדיין ניתן לבחור עבור המרה קולית, שבו Chatterbox VC הוא עכשיו ברירת המחדל כי הוא שומר הרבה יותר של קול היעד.

משחק קול במבחן שלנו. OpenVoice v2: 0.17 to 0.35
משחק קול במבחן שלנו. Chatterbox VC: 0.64 to 0.75
רישיון MIT

דמיון דובר של הקלטות מומרת לקליפ אחר של רמקול היעד. שני קליפים של אותו רמקול אמיתי ציון 0.76 ל 0.88.

המרה קולית אופציונלי
GitHub

דוגמניות מנאום אל טקסט

Whisper Large v3
בשימוש

מודל זיהוי דיבור קוד פתוח של OpenAI. מפרט 100 שפות, עם חותמת זמן וגילוי שפה אוטומטית.

שפות 100
פרמטרים 1.5B
VRAM ~ 10 GB
זיהוי שפה אוטומטי
מודל ברירת מחדל רב לשונית חותמת זמן
Whisper Large v3 Turbo

גרסה קטנה ומהירה יותר של V3 גדול לחישה לתעתיקים מהירים יותר. תבחר את זה בתור לחישות.

שפות 100
פרמטרים 809M
VRAM ~ 6GB
רישיון MIT
מהר יותר רב לשונית

דגם שיחה קולי

Qwen2.5 7B Instruct

מודל שפת קוד פתוח שכותב את התשובות בצ'אט קולי, בדמות שאתה בוחר. הדפדפן שלך מעתיק את הנאום שלך וקול של פייפר קורא את התשובה בקול רם.

פרמטרים 7B
רישיון Apache 2.0
קול Piper
רץ GPUs
אישיות מותאמת אישית
GitHub