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 गया

एक 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।

भाषाएं 23
रेफ़रेंस ऑडियो 6 से 60 s
VRAM ~5GB
लाइसेंस MIT
ज़ीरो-शॉट क्लोनिंग आवाज परिवर्तन बहुमुखी व्यावसायिक इस्तेमाल
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.

आवाज़ें 316
भाषाएं 19
इंजन 4
डाउनलोड करें एमपी3, WAA, ओवेच, FLAC
बहुमुखी व्यावसायिक इस्तेमाल की अनुमति
टेक्स्ट टू स्पीच आज़माएं
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।

हमारे परीक्षण में आवाज़ का मेल OpenVoice v2: 0.17 to 0.35
हमारे परीक्षण में आवाज़ का मेल Chatterbox VC: 0.64 to 0.75
लाइसेंस MIT

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।

आवाज परिवर्तन वैकल्पिक
GitHub

स्पीच टू टेक्स्ट मॉडल

Whisper Large v3
सबसे ज़्यादा इस्तेमाल

OpenAI का ओपन-सोर्स स्पीच रिकग्निशन मॉडल। टाइमस्टैम्प और भाषा की स्वचालित पहचान के साथ 100 भाषाएं ट्रांसक्राइब करता है।

भाषाएं 100
पैरामीटर 1.5B
VRAM ~10GB
भाषा पहचान स्वचालित
डिफ़ॉल्ट मॉडल बहुमुखी टाइमस्टैम्प
Whisper Large v3 Turbo

जल्दी ट्रांसक्रिप्ट के लिए Whisper Large v3 का छोटा, तेज़ वर्ज़न। इसे whisper-turbo के रूप में चुनें।

भाषाएं 100
पैरामीटर 809M
VRAM ~6GB
लाइसेंस MIT
ज़्यादा तेज़ बहुमुखी

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।

पैरामीटर 7B
लाइसेंस Apache 2.0
आवाज़ Piper
इस पर चलता है हमारे GPU
कस्टम पर्सोना
GitHub