Model AI

Kami mengintegrasikan model AI pertuturan sumber terbuka terbaik. Semua model tersedia melalui API dan antaramuka web.

Model Teks-ke-Tutur

Chatterbox
Disarankan

Klon suara sifar-tembak dari sampel rujukan pendek, dalam 23 bahasa. Model klon default kami, suara dalam dub AI, dan model penukaran suara default kami (Chatterbox VC).

Bahasa 23
Rujukan audio 6 hingga 60 saat
VRAM ~5GB
Lesen MIT
Klon Sifar-Tembak Penukaran Suara Berbilang Bahasa Penggunaan Komersial
Kokoro, Piper, VITS dan Bark

Empat enjin teks-ke-tutur terbuka di belakang satu pemilih suara. Kokoro 82M (Apache 2.0) adalah piawai; Piper hanya menawarkan suara yang data latihannya membenarkan penggunaan komersial; VITS menambah 109 penutur bahasa Inggeris dan Bark 130 preset dalam 13 bahasa.

Suara 316
Bahasa 19
Enjin 4
Muat turun MP3, WAV, OGG, FLAC
Berbilang Bahasa Penggunaan komersial dibenarkan
Cuba teks ke pertuturan
OpenVoice v2

Penukar warna nada dan model klon. Masih boleh dipilih untuk penukaran suara, di mana VC Chatterbox sekarang default kerana ia menyimpan lebih banyak suara sasaran.

Suara sepadan dalam ujian kami OpenVoice v2: 0.17 to 0.35
Suara sepadan dalam ujian kami Chatterbox VC: 0.64 to 0.75
Lesen MIT

Kesamaan pembicara rakaman yang ditukar kepada klip yang berbeza bagi pembicara sasaran. Dua klip pembicara sebenar yang sama mendapat markah 0.76 hingga 0.88.

Penukaran Suara Opsyenal
GitHub

Model Perbualan-ke-Teks

Whisper Large v3
Paling Digunakan

Model pengenalan percakapan sumber terbuka OpenAI. Mentranskripsikan 100 bahasa, dengan setem masa dan pengesanan bahasa automatik.

Bahasa 100
Parameter 1.5B
VRAM ~10GB
Pengesanan Bahasa Automatik
Model default Berbilang Bahasa Setem Masa
Whisper Large v3 Turbo

Sebuah versi yang lebih kecil dan pantas daripada Whisper Large v3 untuk transkripsi yang lebih pantas. Pilihnya sebagai whisper-turbo.

Bahasa 100
Parameter 809M
VRAM ~6GB
Lesen MIT
Lebih cepat Berbilang Bahasa

Model Sembang Suara

Qwen2.5 7B Instruct

Model bahasa sumber terbuka yang menulis jawapan dalam sembang suara, dalam persona yang anda pilih. Pelayar anda mentranskripsikan ucapan anda dan suara Piper membaca jawapan dengan kuat.

Parameter 7B
Lesen Apache 2.0
Suara Piper
Berlaku pada GPU kami
Persona Lalai
GitHub