AI მოდელები
ჩვენ საუკეთესო ღია კოდის საუბრის AI მოდელს ინტეგრირებთ. ყველა მოდელი ხელმისაწვდომია API და ვებ ინტერფეისით.
ტექსტიდან ხმოვანი გამოსავლის მოდელები.
Chatterbox
რეკომენდებულიმოკლე რეფერენსული ნიმუშისგან zero-shot ხმის კლონირება 23 ენაზე. ჩვენი დეფოლტ კლონირების მოდელი, ხმები AI დუბლირებაში და ჩვენი დეფოლტ ხმის კონვერტაციის მოდელი (Chatterbox VC).
Kokoro, Piper, VITS და Bark
ოთხი ღია ტექსტიდან ხმოვანი სისტემა ერთი ხმის შერჩევის ინტერფეისით. Kokoro 82M (Apache 2.0) არის სტანდარტული ვარიანტი; Piper-ი მხოლოდ იმ ხმებს გვთავაზობს, რომელთა შესწავლისთვის გამოყენებულმა მასალებმა კომერციული გამოყენება უნდა დაშვებული ჰქონდეს; VITS-ს 109 ინგლისური ენის მოლაპარაკე ხმა აქვს, ხოლო Bark-ს 13 სხვა ენაზე 130 წინასწარ განსაზღვრული პარამეტრი.
OpenVoice v2
ტონების ფერთა გადამცვლელი და კლონინგის მოდელი. ჯერ კიდევ შესაძლებელია ხმათა გადამცვლელად, სადაც Chatterbox VC არის ახლა ნაგულისხმევი, რადგან ის უფრო მეტს ინარჩუნებს მიზნობრივ ხმას.
მონათხრობის მსგავსების შეფასება, რომელიც მიიღება გარდაქმნილი აუდიოჩანაწვერების და თავდაპირველი მოლაპარაკის სხვა ჩანაწერების შედარებით. ერთი და იგივე მოლაპარაკის ორი ჩანაწერი იძლევა 0.76-დან 0.88-მდე შედეგს.
ხმოვანი შეტყობინებების ტექსტად გარდამქმნილი მოდელები.
Whisper Large v3
ყველაზე ხშირად გამოყენებულიOpenAI-ს ღია კოდის საუბრის აღქმის მოდელი. 100 ენაზე ტრანსკრიბირება, დროის ნიშნებით და ენის ავტომატური აღმოჩენა.
Whisper Large v3 Turbo
Whisper Large v3-ის უფრო მცირე და სწრაფი ვერსია, სწრაფი ტრანსკრიპციისთვის. აირჩიეთ ის, როგორც whisper-turbo.
ვოისი ჩატი (აუდიო ჩატი) მოდელი.
Qwen2.5 7B Instruct
ღია კოდის ენა, რომელიც პასუხებს წერს ხმის ჩატიში, თქვენ მიერ არჩეულ პიროვნებაში. თქვენი ბრაუზერი ტრანსკრიბებს თქვენს საუბარს და Piper- ის ხმა კითხულობს პასუხს.