ແບບແບບ AI
ພວກເຮົາລວມເອົາແບບຟອມ AI ເວົ້າ Open Source ທີ່ດີທີ່ສຸດ. ທຸກໆແບບຟອມແມ່ນມີຢູ່ຜ່ານ API ແລະເວບໄຊທ໌ອິນເຕີເຟດ.
ແບບແບບຂໍ້ຄວາມເປັນຄຳເວົ້າ
Chatterbox
ແນະນຳZero-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).
ໂຄໂຣ, ປາເປີ, ວີທສ ແລະ ບາກ
Kokoro 82M (Apache 2.0) ແມ່ນເປັນການຕັ້ງຄ່າປັບໂປຣໄຟລ໌ແບບເດີມ; Piper ສະຫນອງສຽງທີ່ມີຂໍ້ມູນການຝຶກອົບຮົມອະນຸຍາດໃຫ້ໃຊ້ໃນການຄ້າ; VITS ເພີ່ມຜູ້ເວົ້າພາສາອັງກິດ 109 ຄົນ ແລະ Bark 130 ຕົວເລືອກກ່ອນໃນ 13 ພາສາ.
OpenVoice v2
ຕົວປ່ຽນສີສຽງ ແລະ ແບບແບບການກັ່ນຕອງ. ຍັງມີການເລືອກໄດ້ສຳລັບການປ່ຽນສຽງ, ບ່ອນທີ່ Chatterbox VC ແມ່ນປັນເດີມເພາະມັນຮັກສາສຽງເປົ້າໝາຍໄວ້ຫຼາຍກວ່າເກົ່າ.
ສຽງຄ້າຍຄືກັນຂອງຜູ້ເວົ້າຂອງການບັນທຶກທີ່ໄດ້ປ່ຽນແປງໄປຫາຄລິບທີ່ແຕກຕ່າງກັນຂອງຜູ້ເວົ້າເປົ້າໝາຍ. ສອງຄລິບຂອງຜູ້ເວົ້າທີ່ຈິງຄືກັນໄດ້ຄະແນນ 0.76 ເຖິງ 0.88.
Speech-to-Text Models
Whisper Large v3
ຫຼາຍທີ່ສຸດແບບຟອມການຮັບຮູ້ການເວົ້າ OpenAI's open-source. ແປພາສາ 100 ພາສາ, ດ້ວຍການກວດສອບເວລາແລະກວດພົບພາສາອັດຕະໂນມັດ.
Whisper Large v3 Turbo
ນ້ອຍກວ່າ, ໄວກວ່າ ສະບັບຂອງ Whisper ໃຫຍ່ v3 ສໍາລັບ transcripts ໄວກວ່າ. ເລືອກມັນເປັນ whisper- turbo.
ແບບຟອມການສົນທະນາສຽງ
Qwen2.5 7B Instruct
ແບບຟອມພາສາ Open Source ທີ່ຂຽນຄໍາຕອບໃນການສົນທະນາສຽງ, ໃນຕົວລະຄອນທີ່ທ່ານເລືອກ. ຕົວທ່ອງເວັບຂອງທ່ານຈະແປຄໍາເວົ້າຂອງທ່ານ ແລະ ສຽງ Piper ຈະອ່ານຄໍາຕອບອອກມາ.