AI modellek
A legjobb nyílt forráskódú beszéd AI modelleket integráljuk. Minden modell elérhető API és webes felületen keresztül.
Szöveg-nyelv modell
Chatterbox
AjánlottZéró hang klónozás egy rövid referenciamintából 23 nyelven. Alapértelmezett klónozási modellünk, az MI szinkronizálásban szereplő hangok és az alapértelmezett hangkonverziós modellünk (Chatterbox VC).
Kokoro, Piper, VITS és Bark
Négy nyitott szöveg egy hangszedő mögötti beszédmotornak. A Kokoro 82M (Apache 2.0) az alapértelmezett; Piper csak olyan hangokat kínál, amelyek képzési adatai lehetővé teszik a kereskedelmi felhasználást; a VITS hozzáad 109 angol hangszórót és a Bark 130 presetet 13 nyelven.
OpenVoice v2
Tone színkonverter és klónozó modell. Még mindig választható hangkonverzió, ahol Chatterbox VC most az alapértelmezett, mert ez tartja sokkal több a cél hang.
A hangfal hasonló a módosított felvételekhez, mint a célkihangosító egy másik klipjéhez. Két klip egy igazi hangszóróból 0,76-0,88.
Beszéd-szöveges modellek
Whisper Large v3
A legtöbbet használtAz OpenAI nyílt forráskódú beszédfelismerő modellje. Átír 100 nyelvet, időbélyegekkel és automatikus nyelvi észleléssel.
Whisper Large v3 Turbo
Egy kisebb, gyorsabb változata Whisper Large v3 gyorsabb átiratok. - Suttogós turbónak kell választani.
Hang csevegő modell
Qwen2.5 7B Instruct
A nyílt forráskódú nyelvi modell, amely a válaszokat hangcsevegőben írja, a kiválasztott személyben. A böngésző átírja a beszédét és egy Piper hang felolvassa a választ hangosan.