ម៉ូដែល AI
យើងបានរួមបញ្ចូលម៉ូដែល AI និយាយប្រភពបើកចំហល្អបំផុត។ ម៉ូដែលទាំងអស់អាចរកបានតាមរយៈ API និងចំណុចប្រទាក់បណ្តាញ។
អត្ថបទទៅជាម៉ូដែលនិយាយ
Chatterbox
ផ្ដល់អនុសាសន៍Zero-shot voice cloning from a short reference sample, in 23 languages. Our default cloning model, the voices in AI dubbing, and our default voice conversion model (Chatterbox VC).
Kokoro, Piper, VITS និង Bark
អត្ថបទបើកចំហបួនទៅម៉ាស៊ីននិយាយនៅពីក្រោយអ្នកជ្រើសសំឡេងមួយ ។ Kokoro 82M (Apache 2.0) គឺជាលំនាំដើម Piper ផ្ដល់តែសំឡេងដែលទិន្នន័យបណ្តុះបណ្តាលអនុញ្ញាតឲ្យប្រើពាណិជ្ជកម្ម VITS បន្ថែមអ្នកនិយាយភាសាអង់គ្លេស 109 និង Bark 130 កំណត់ជាមុនក្នុងភាសា 13 ។
OpenVoice v2
ម៉ូដែលក្លូន និងកម្មវិធីបម្លែងពណ៌សំឡេង ។ នៅតែអាចជ្រើសសម្រាប់ការបម្លែងសំឡេងដែល Chatterbox VC គឺជាលំនាំដើមឥឡូវនេះ ព្រោះវារក្សាសំឡេងគោលដៅច្រើនជាងមុន ។
Speaker similarity of converted recordings to a different clip of the target speaker. Two clips of the same real speaker score 0.76 to 0.88.
ម៉ូដែលនិយាយទៅអត្ថបទ
Whisper Large v3
ប្រើច្រើនបំផុតម៉ូដែលការទទួលស្គាល់ការនិយាយប្រភពបើកចំហរបស់ OpenAI ។ សរសេរភាសា ១០០ ជាមួយនឹងសម្គាល់ពេលវេលា និងការរកឃើញភាសាដោយស្វ័យប្រវត្តិ ។
Whisper Large v3 Turbo
កំណែតូចជាងមុនរបស់ Whisper Large v3 សម្រាប់ការសរសេរឡើងវិញលឿនជាងមុន ។ ជ្រើសវាជា whisper- turbo ។
ម៉ូដែលជជែកកំសាន្តសំឡេង
Qwen2.5 7B Instruct
ម៉ូដែលភាសាប្រភពបើកចំហដែលសរសេរការឆ្លើយតបក្នុងការជជែកកំសាន្តសំឡេងក្នុងមនុស្សដែលអ្នកជ្រើស ។ កម្មវិធីរុករករបស់អ្នកសរសេរសំឡេងរបស់អ្នក ហើយសំឡេង Piper អានការឆ្លើយតបជាសំឡេង ។