AI modeli
Iнтегрiramo najbolje modele govora na otvorenom. Svi modeli su dostupni preko API i web sučelja.
Modeli teksta u govor
Chatterbox
Preporučena0-pogočno kloniranje glasa iz kratkog referentnog uzorka, na 23 jezika. Naš zadani model kloniranja, glasovi u Al dubbing, i naš zadani model pretvaranja glasa (Chatterbox VC).
Kokoro, Piper, VITS i Bark
Četiri otvorena teksta za govorne motore iza jednog biranja glasa. Kokoro 82M (Apache 2.0) je uobičajeno; Piper nudi samo glasove čiji podaci o treningu omogućuju komercijalnu upotrebu; VITS dodaje 109 engleskih zvučnika i Bark 130 predpostavljanja na 13 jezika.
OpenVoice v2
Konverter tona boja i model kloniranja. Još uvijek je moguće odabrati za konverziju glasa, gdje je Chatterbox VC sada uobičajeno jer drži daleko više ciljnog glasa.
Sličnost pretvorenih snimki na drugi snimak ciljnog zvučnika. Dva isječka istog pravog zvučnika 0.76 do 0.88.
Modeli govora prema tekstu
Whisper Large v3
NajkorištenijeOpenAI je otvoreni model prepoznavanja govora. Tranpisuje 100 jezika, s vremenskim oznakama i automatskim otkrivanjem jezika.
Whisper Large v3 Turbo
Manja, brža verzija Whisper Velikog V3 za brže transkripte. Odaberite to kao šaputajući-turbo.
Glasni razgovor
Qwen2.5 7B Instruct
Model otvorenog izvora jezika koji piše odgovore u glasovnom razgovoru, u personi koju izaberete. Vaš preglednik prepisuje vaš govor i Piper glas čita odgovor naglas.