AI 모델

우리는 최고의 오픈소스 음성 AI 모델을 통합합니다. 모든 모델은 API 및 웹 인터페이스를 통해 사용할 수 있습니다.

텍스트 음성 변환 모델

Chatterbox
추천

짧은 참조 샘플만으로 23개 언어에서 제로샷 음성 복제를 합니다. 기본 복제 모델이자 AI 더빙의 목소리, 기본 음성 변환 모델 (Chatterbox VC)입니다.

언어 23
참조 오디오 6~60초
VRAM ~5GB
라이선스 MIT
제로샷 복제 음성 변환 다국어 상업적 이용
Kokoro, Piper, VITS 및 Bark

음성 선택기 뒤에 4개의 텍스트 음성 엔진이 있습니다. Kokoro 82M (Apache 2.0)이 기본이며, Piper는 훈련 데이터가 상업적 사용을 허용하는 음성만 제공합니다. VITS는 109개의 영어 발음자와 13개 언어의 Bark 130개의 사전 설정을 추가합니다.

음성 316
언어 19
엔진 4
다운로드 MP3, WAV, OGG, FLAC 형식으로 변환
다국어 상업적 이용 가능
텍스트 음성 변환 체험하기
OpenVoice v2

음색 변환 및 복제 모델입니다. 음성 변환에서는 여전히 선택할 수 있지만, Chatterbox VC가 대상 목소리를 훨씬 더 잘 유지하기 때문에 현재는 Chatterbox VC가 기본입니다.

자체 테스트의 목소리 일치도 OpenVoice v2: 0.17 to 0.35
자체 테스트의 목소리 일치도 Chatterbox VC: 0.64 to 0.75
라이선스 MIT

변환된 녹음과 대상 화자의 다른 클립 사이의 화자 유사도입니다. 같은 실제 화자의 두 클립은 0.76에서 0.88의 점수를 받습니다.

음성 변환 선택
GitHub

음성 텍스트 변환 모델

Whisper Large v3
가장 많이 사용됨

OpenAI의 오픈소스 음성 인식 모델입니다. 타임스탬프와 자동 언어 감지를 지원하며 100개 언어를 받아씁니다.

언어 100
매개변수 1.5B
VRAM ~10GB
언어 감지 자동
기본 모델 다국어 타임스탬프
Whisper Large v3 Turbo

더 빠른 받아쓰기를 위한 Whisper Large v3의 더 작고 빠른 버전입니다. whisper-turbo 항목으로 선택하세요.

언어 100
매개변수 809M
VRAM ~6GB
라이선스 MIT
더 빠름 다국어

음성 채팅 모델

Qwen2.5 7B Instruct

음성 채팅에서 선택한 페르소나로 답변을 작성하는 오픈소스 언어 모델입니다. 브라우저가 사용자의 말을 받아쓰고 Piper 음성이 답변을 소리 내어 읽어 줍니다.

매개변수 7B
라이선스 Apache 2.0
음성 Piper
실행 환경 자체 GPU
맞춤 페르소나
GitHub