Model
Kita nggabungaké model AI swara open-source paling apik. Sedaya model kasedhiya liwat API lan antarmuka web.
Teks-ka-ucapan
Chatterbox
DianjurakeKloning swara Zero-shot saka conto referensi cekak, ing 23 basa. Model kloning standar kita, swara ing AI dubbing, lan model konversi swara standar kita (Chatterbox VC).
Kokoro, Piper, VITS lan Bark
Kokoro 82M (Apache 2.0) punika pitados ingkang dipun-ginakaken; Piper namung nawakaken swara ingkang data pelatihan punika saged dipun-ginakaken kanthi komersial; VITS nambahaken 109 juru basa Inggris lan Bark 130 preset ing 13 basa.
OpenVoice v2
Konversi warna toné lan modél kloning. Saliyané iku bisa dipilih kanggo konversi swara, ing ngendi Chatterbox VC saiki dadi piawai amarga iku nyimpen luwih saka swara target.
Keserupané juru bicara ing rekaman kang dikonversi karo klip sing beda saka juru bicara tujuan. Durung klip saka juru bicara nyata sing padha skor 0.76 nganti 0.88.
Model basa-ka-teks
Whisper Large v3
Paling akèh digunakakeModel pengenalan basa sumber-bukah OpenAI. Ngrekam 100 basa, kanthi timestamp lan deteksi basa otomatis.
Whisper Large v3 Turbo
Versi Whisper Large v3 kang luwih cilik lan luwih cepet kanggo transkripsi sing luwih cepet. Pilih minangka whisper-turbo.
Model chatting swara
Qwen2.5 7B Instruct
Model basa sumber-bukah kang nulisake jawaban ing chatting swara, ing persona kang sampeyan pilih. Peramban sampeyan bakal ngrekam swara lan swara Piper bakal maca jawaban kanthi swara.