Modelli di IA

Implementiamo i migliori modelli di linguaggio open-source AI. Tutti i modelli sono disponibili tramite API e interfaccia web.

Modelli di sintesi vocale

Chatterbox
Consigliato

Clonazione vocale zero-shot da un breve campione di riferimento, in 23 lingue. Il nostro modello di clonazione predefinito, le voci del doppiaggio con IA e il nostro modello di conversione vocale predefinito (Chatterbox VC).

Lingue 23
Audio di riferimento Da 6 a 60 s
VRAM ~5GB
Licenza MIT
Clonazione zero-shot Conversione vocale Multilingua Uso commerciale
Kokoro, Piper, VITS e Bark

Quattro motori a parola aperti dietro un solo picker vocale. Kokoro 82M (Apache 2.0) è il default; Piper offre solo voci i cui dati di formazione consentono l'uso commerciale; VITS aggiunge 109 diffusori inglesi e 130 preset Bark in 13 lingue.

Voci 316
Lingue 19
Motori 4
Scarica MP3, WAV, OGG, FLAC
Multilingua Uso commerciale consentito
Prova la sintesi vocale
OpenVoice v2

Convertitore di timbro e modello di clonazione. Ancora selezionabile per la conversione vocale, dove Chatterbox VC è ora il predefinito perché mantiene molto di più della voce di destinazione.

Somiglianza vocale nel nostro test OpenVoice v2: 0.17 to 0.35
Somiglianza vocale nel nostro test Chatterbox VC: 0.64 to 0.75
Licenza MIT

Somiglianza dello speaker tra le registrazioni convertite e un altro clip dello speaker di destinazione. Due clip dello stesso speaker reale ottengono da 0.76 a 0.88.

Conversione vocale Opzionale
GitHub

Modelli di trascrizione

Whisper Large v3
Il più usato

Il modello open source di riconoscimento vocale di OpenAI. Trascrive 100 lingue, con timestamp e rilevamento automatico della lingua.

Lingue 100
Parametri 1.5B
VRAM ~10GB
Rilevamento della lingua Automatico
Modello predefinito Multilingua Timestamp
Whisper Large v3 Turbo

Una versione più piccola e veloce di Whisper Large v3 per trascrizioni più rapide. Selezionala come whisper-turbo.

Lingue 100
Parametri 809M
VRAM ~6GB
Licenza MIT
Più veloce Multilingua

Modello della chat vocale

Qwen2.5 7B Instruct

Il modello linguistico open source che scrive le risposte nella chat vocale, con il personaggio che scegli. Il tuo browser trascrive ciò che dici e una voce Piper legge la risposta ad alta voce.

Parametri 7B
Licenza Apache 2.0
Voce Piper
Funziona su Le nostre GPU
Personaggi personalizzati
GitHub