AI моделдери

Биз эң мыкты ачык булактуу AI моделдерин интеграциялайбыз. Бардык моделдер API жана веб интерфейси аркылуу жеткиликтүү.

Тексттен сүйлөмгө

Chatterbox
Рекомендуемо

23 тилдеги кыска референттик үлгүдөн үндү клондоо. Биздин стандарттуу клондоо модели, AI дублировкасында үн, жана биздин стандарттуу үн конверсия модели (Chatterbox VC).

Тилдер 23
Справочная аудио 6-ден 60-секундга чейин
VRAM ~5 ГБ
Лицензия MIT
Клондоо Сөздү которуу Көп тилдүү Коммерциялык колдонуу
Кокоро, Пайпер, ВИТС жана Барк

Four open text to speech engines behind one voice picker. Kokoro 82M (Apache 2.0) is the default; Piper offers only voices whose training data allows commercial use; VITS adds 109 English speakers and Bark 130 presets in 13 languages.

Дауалар 316
Тилдер 19
Двигательдер 4
Жүктөө MP3, WAV, OGG, FLAC
Көп тилдүү Коммерциялык колдонууга уруксат берилген
Тексттен сүйлөмгө
OpenVoice v2

Тоно-цветовой конвертер и модель клонирования. Еще можно выбрать для голосового конвертера, где Chatterbox VC теперь является предпочтительным, так как он сохраняет большее количество голоса.

Биздин тестте үн дал келген OpenVoice v2: 0.17 to 0.35
Биздин тестте үн дал келген Chatterbox VC: 0.64 to 0.75
Лицензия MIT

Конвертированная запись с разными клипомами ведущего. Два клипа с одинаковым ведущим имеют сходство в 0,76 и 0,88 баллов.

Сөздү которуу Котормо
GitHub

Сөздөн текстке

Whisper Large v3
Көбүнчө колдонулган

OpenAI's open-source speech recognition model. 100 тилдердин транскрипциясы, убакыт белгилери жана автоматтык тил аныктоо.

Тилдер 100
Параметрлер 1.5B
VRAM ~10ГБ
Тил аныктоо Автоматтык
Белгиленген модель Көп тилдүү Убакыт белгилери
Whisper Large v3 Turbo

Whisper Large v3'тин кичине, тез версиясы тез транскрипция үчүн. Whisper-turbo деп тандаңыз.

Тилдер 100
Параметрлер 809M
VRAM ~6 ГБ
Лицензия MIT
Жылдам Көп тилдүү

Сөздүк чат моделдери

Qwen2.5 7B Instruct

Сөздүк чатта жоопторду жазган ачык булактуу тил модели, сиз тандаган адамга ылайык. Браузер сиздин сүйлөмдү транскрипциялайт жана Piper үн системасы жоопту уккудай кылат.

Параметрлер 7B
Лицензия Apache 2.0
Сөз Piper
Иштелип жатат Биздин графикалык процессорлор
Өзгөчө персоналар
GitHub