AI modeļi

Mēs integrējam labākos atvērtā avota runas AI modeļus. Visi modeļi ir pieejami izmantojot API un tīmekļa saskarni.

Teksta- dēka modeļi

Chatterbox
Ieteicams

Nulles staru balss klonēšana no īsa references parauga 23 valodās. Mūsu noklusējuma klonēšanas modelis, balsis AI dubbing, un mūsu noklusējuma balss konversijas modelis (Chatterbox VC).

Valodas 23
Atsauces audio 6 līdz 60 s
VRAM ~5GB
Licence MIT
Nulles sitienu klonēšana Balss konvertēšana Daudzvalodīgi Komerciāla izmantošana
Kokoro, Piper, VITS un miecs

Četri atvērti teksts runātāji aiz viena balss picker. Kokoro 82M (Apache 2.0) ir noklusējuma vieta; Piper piedāvā tikai balsis, kuru mācību dati ļauj izmantot komerciālos nolūkos; VITS pievieno 109 angļu valodas runātājus un Bark 130 priekšsestus 13 valodās.

Balss 316
Valodas 19
Motori 4
Lejupielādēt MP3, WAV, OGG, FLAC
Daudzvalodīgi Atļauta komerciāla izmantošana
Mēģiniet runāt
OpenVoice v2

Toņu krāsu pārveidotājs un klonēšanas modelis. Joprojām izvēlas balss konvertēšanu, kur Chatterbox VC tagad ir noklusējuma, jo tas saglabā daudz vairāk mērķa balss.

Balss spēles mūsu testā OpenVoice v2: 0.17 to 0.35
Balss spēles mūsu testā Chatterbox VC: 0.64 to 0.75
Licence MIT

Skaļruņa līdzība, ko veido ieraksti, kas pārveidoti par citu mērķa skaļruni. Divi viena un tā paša īstā skaļruna punktu skaita klipi no 0,76 līdz 0,88.

Balss konvertēšana Pēc izvēles
GitHub

Teksta valodas paraugi

Whisper Large v3
Visvairāk lietotās

OpenAI atvērtā koda runas atzīšanas modelis. Atšifrē 100 valodas, ar laika rakstzīmēm un automātisku valodas atklāšanu.

Valodas 100
Parametri 1.5B
VRAM ~10GB
Valodas noteikšana Automātisks
Noklusētais modelis Daudzvalodīgi Laikraksti
Whisper Large v3 Turbo

Mazāka, ātrāka versija Whisper Liels v3 ātrākiem transkriptiem. Izvēlies to kā čukstēt turbo.

Valodas 100
Parametri 809M
VRAM ~6GB
Licence MIT
Ātrāk Daudzvalodīgi

Balss tērzēšanas modelis

Qwen2.5 7B Instruct

Atvērtā pirmkoda valodas modelis, kas raksta atbildes balss tērzēšana, personā jums izvēlēties. Jūsu pārlūkprogramma atšifrē jūsu runu, un Piper balss lasa atbildi skaļi.

Parametri 7B
Licence Apache 2.0
Balss Piper
Skrējējputns Mūsu VPU
Pielāgotas personas
GitHub