Model

Kita nggabungaké model AI swara open-source paling apik. Sedaya model kasedhiya liwat API lan antarmuka web.

Teks-ka-ucapan

Chatterbox
Dianjurake

Kloning 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).

Basa 23
Referensi audio 6 nganti 60 detik
VRAM ~5GB
Lisénsi MIT
Kloning Zero-shot Konversi Multibasa Komersial
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.

Suara 316
Basa 19
Mesin 4
Muter-muter MP3, WAV, OGG, FLAC
Multibasa Komersial
Coba teks dadi swara
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.

Suara sing padha ing tes kita OpenVoice v2: 0.17 to 0.35
Suara sing padha ing tes kita Chatterbox VC: 0.64 to 0.75
Lisénsi MIT

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.

Konversi Opsional
GitHub

Model basa-ka-teks

Whisper Large v3
Paling akèh digunakake

Model pengenalan basa sumber-bukah OpenAI. Ngrekam 100 basa, kanthi timestamp lan deteksi basa otomatis.

Basa 100
Paramèter 1.5B
VRAM ~10GB
Deteksi basa Otomatis
Model pigura Multibasa Timestamp
Whisper Large v3 Turbo

Versi Whisper Large v3 kang luwih cilik lan luwih cepet kanggo transkripsi sing luwih cepet. Pilih minangka whisper-turbo.

Basa 100
Paramèter 809M
VRAM ~6GB
Lisénsi MIT
Cepet Multibasa

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.

Paramèter 7B
Lisénsi Apache 2.0
Suara Piper
Diwiwiti GPU kita
Personalisasi
GitHub