AI मॉडल
हम सबसे खुले-source एआई मॉडलों को एकीकृत करते हैं. सभी मॉडलों को एपीआई और वेब इंटरफ़ेस के द्वारा उपलब्ध हैं.
टेक्स्ट टू स्पीच मॉडल
Chatterbox
सुझाया गयाएक छोटे रेफ़रेंस सैंपल से 23 भाषाओं में ज़ीरो-शॉट वॉइस क्लोनिंग। यह हमारा डिफ़ॉल्ट क्लोनिंग मॉडल है, AI डबिंग की आवाज़ें हैं और हमारा डिफ़ॉल्ट वॉइस कन्वर्ज़न मॉडल (Chatterbox VC) भी है।
Kokoro, Piper, VITS और Bark
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
टोन कलर कन्वर्टर और क्लोनिंग मॉडल। वॉइस कन्वर्ज़न के लिए अब भी चुना जा सकता है, जहाँ अब Chatterbox VC डिफ़ॉल्ट है क्योंकि वह लक्षित आवाज़ का कहीं ज़्यादा हिस्सा बनाए रखता है।
बदली गई रिकॉर्डिंग की लक्षित वक्ता की किसी दूसरी क्लिप से वक्ता समानता। एक ही असली वक्ता की दो क्लिप का स्कोर 0.76 से 0.88 आता है।
स्पीच टू टेक्स्ट मॉडल
Whisper Large v3
सबसे ज़्यादा इस्तेमालOpenAI का ओपन-सोर्स स्पीच रिकग्निशन मॉडल। टाइमस्टैम्प और भाषा की स्वचालित पहचान के साथ 100 भाषाएं ट्रांसक्राइब करता है।
Whisper Large v3 Turbo
जल्दी ट्रांसक्रिप्ट के लिए Whisper Large v3 का छोटा, तेज़ वर्ज़न। इसे whisper-turbo के रूप में चुनें।
वॉइस चैट मॉडल
Qwen2.5 7B Instruct
ओपन-सोर्स भाषा मॉडल जो वॉइस चैट में आपके चुने हुए पर्सोना में जवाब लिखता है। आपका ब्राउज़र आपकी बोली को टेक्स्ट में बदलता है और एक Piper आवाज़ जवाब पढ़कर सुनाती है।