AI үлгілері
Біз ең жақсы ашық көзді сөйлеу ИИ модельдерін біріктіреміз. Барлық модельдер API және веб интерфейсі арқылы қол жетімді.
Тексттен сөйлеу моделі.
Chatterbox
Жөнелту23 тілде қысқаша сілтеме үлгісінен дыбыстарды клондау. Әдетті клондау моделі, AI дублдеудегі дыбыстар, және әдетті дыбыс аудару моделі (Chatterbox VC).
Кокоро, Пайпер, ВИТС және Барк
Төрт ашық мәтінді сөйлеу жүйесі бір дауыс таңдаушы арқылы жұмыс істейді. Kokoro 82M (Apache 2.0) - стандартты жүйе; Piper тек коммерциялық пайдалануға рұқсат етілген дауыстарды ұсынады; VITS 109 ағылшын тілінде сөйлейтін адамның дауысын, ал Bark 13 тілде 130 алдын-ала орнатылған параметрді қосады.
OpenVoice v2
Түсті түрлендіргіш және клон модельі. Дыбыс аудару үшін әлі таңдауға болады, бірақ Chatterbox VC енді әдетті, себебі ол мақсатты дыбыстың көп бөлігін сақтайды.
Трансформацияланған аудиожазбалардың дауысы, мақсатты сөйлеушінің басқа аудиофрагментімен ұқсастығы. Екі бірдей адамның аудиофрагменттерінің ұқсастық коэффициенті 0,76-дан 0,88-ге дейін құрайды.
Сөйлеуді мәтінге түрлендіретін модельдер.
Whisper Large v3
Ең көп қолданылғанOpenAI- нің ашық көзді сөйлеу таныу моделі. 100 тілде, уақыт белгісімен және тілді автоматты түрде анықтаумен аударады.
Whisper Large v3 Turbo
Whisper Large v3- нің шағын, жылдам нұсқасы тезірек транскрипция жасау үшін. Whisper- turbo деп таңдаңыз.
Дыбыс тегін әңгімелесу үлгісі
Qwen2.5 7B Instruct
Дыбыс тегін әңгімелесуінде жауапты Сіз таңдаған адамға жазатын ашық көзді тіл моделі. Шолғышыңыз сөйлеген сөзіңізді аударып, Piper дауысы жауапты дауыспен оқиды.