Model AI

Kita mengintegrasikan model pidato sumber-terbaik buatan AI. Semua model tersedia melalui API dan web interface.

Model Teks ke Suara

Chatterbox
Direkomendasikan

Kloning suara zero-shot dari sampel referensi singkat, dalam 23 bahasa. Model kloning default kami, suara dalam dubbing AI, dan model konversi suara default kami (Chatterbox VC).

Bahasa 23
Audio referensi 6 hingga 60 s
VRAM ~5GB
Lisensi MIT
Kloning Zero-shot Konversi Suara Multibahasa Penggunaan Komersial
Kokoro, Piper, VITS, dan Bark

Empat teks terbuka untuk mesin bicara di belakang satu pemilih suara. Kokoro 82M (Apache 2.0) adalah standar; Piper hanya menawarkan suara yang data pelatihannya memungkinkan penggunaan komersial; VITS menambahkan 109 pembicara bahasa Inggris dan Bark 130 preset dalam 13 bahasa.

Suara 316
Bahasa 19
Mesin 4
Unduh MP3, WAV, OGG, FLAC
Multibahasa Boleh untuk penggunaan komersial
Coba teks ke suara
OpenVoice v2

Konverter warna nada dan model kloning. Masih bisa dipilih untuk konversi suara, yang kini menggunakan Chatterbox VC sebagai default karena mempertahankan jauh lebih banyak ciri suara target.

Kecocokan suara dalam pengujian kami OpenVoice v2: 0.17 to 0.35
Kecocokan suara dalam pengujian kami Chatterbox VC: 0.64 to 0.75
Lisensi MIT

Kemiripan pembicara pada rekaman hasil konversi terhadap klip lain dari pembicara target. Dua klip dari pembicara asli yang sama mendapat skor 0.76 hingga 0.88.

Konversi Suara Opsional
GitHub

Model Suara ke Teks

Whisper Large v3
Paling Banyak Digunakan

Model pengenalan ucapan open-source dari OpenAI. Mentranskripsi 100 bahasa, dengan stempel waktu dan deteksi bahasa otomatis.

Bahasa 100
Parameter 1.5B
VRAM ~10GB
Deteksi bahasa Otomatis
Model bawaan Multibahasa Stempel Waktu
Whisper Large v3 Turbo

Versi Whisper Large v3 yang lebih kecil dan lebih cepat untuk transkrip yang lebih cepat selesai. Pilih sebagai whisper-turbo.

Bahasa 100
Parameter 809M
VRAM ~6GB
Lisensi MIT
Lebih cepat Multibahasa

Model Obrolan Suara

Qwen2.5 7B Instruct

Model bahasa open-source yang menulis balasan di obrolan suara, sesuai persona yang Anda pilih. Browser Anda mentranskripsi ucapan Anda dan suara Piper membacakan balasannya.

Parameter 7B
Lisensi Apache 2.0
Suara Piper
Berjalan di GPU kami
Persona Kustom
GitHub