AI മോഡല്സ്
ഏറ്റവും നല്ല തുറന്ന സംസാരം നമുക്ക് ഏര്പ്പാട് ചെയ്യാം. എല്ലാ മോഡലുകളും API and വെബ് ഇന്റര്ഫെയിസ് വഴി ലഭ്യമാണ്.
Text-to-Speech Models
Chatterbox
ശുപാര്ശ ചെയ്തിരിയ്ക്കുന്നു23 ഭാഷകളില് ഒരു ചെറിയ റിഫയര് സാമ്പിള് നിന്നും സോറോ- ഹോട്ട് ശബ്ദം ക്ളോന്. നമ്മുടെ സഹജമായ ക്ളോറന് മോഡല്, AI dubbinging ല് ശബ്ദം, നമ്മുടെ സ്വതവേയുള്ള ശബ്ദമാറ്റ മോഡല് (ചര്ട്ടബോക്സ് VC).
കൊക്കോറോ, പിപ്പർ, വി.ടി. ബാർക്
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.
OpenVoice v2
ടോണ് നിറമാറ്റിയും ക്ളോറന് മോഡലും. ശബ്ദമാറ്റം, ഇവിടെ ചാറ്റര്ബോക്സ് VC സഹജമായി ആണു്. കാരണം അത് ലക്ഷ്യത്തിന്റെ ശബ്ദത്തില് കൂടുതല് കൂടുതല് മുന്ഗണന നല്കുന്നു.
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.
സംസാരത്തില് നിന്നും ലേഖനങ്ങളുടെ മോഡലുകള്
Whisper Large v3
ഏറ്റവും ഉപയോഗത്തിലുളളഓപ്പണ് AIയുടെ തുറന്ന ഭാഷാലക്ഷണമാതൃക. ട്രാൻ 100 ഭാഷകൾ എഴുതുന്നു.
Whisper Large v3 Turbo
വേഗമുള്ള വിന്സ്പര് ബഡ് v3-ന്റെ ചെറിയ, വേഗത്തിലുള്ള പതിപ്പ്. ഇത് ഒരു ശല്യം പോലെ എടുക്ക്.
ശബ്ദ സല്ലാപം
Qwen2.5 7B Instruct
ശബ്ദ ചാറ്റില് മറുപടി എഴുതുന്ന തുറന്ന ഭാഷാ മോഡ്, നിങ്ങള് തിരഞ്ഞെടുക്കുന്ന വ്യക്തിയില്. നിങ്ങളുടെ ബ്രൌസര് നിങ്ങളുടെ സംസാരം രേഖപ്പെടുത്തുന്നു. പിപ്പർ ശബ്ദം ഉച്ചത്തിൽ വായിക്കുന്നു.