AI မော်ဒယ်များ
ကျွန်တော်တို့ဟာအကောင်းဆုံးဖွင့်-source စကားပြော AI ပုံစံများပေါင်းစပ်။ အားလုံးပုံစံများ API နှင့် web interface ကိုမှတဆင့်ရရှိနိုင်သည်။
စာသားမှစကားပြောမော်ဒယ်များ
Chatterbox
အကြံပြုချက်23 ဘာသာစကားများ, တိုတောင်းသောအညွှန်းကိန်းနမူနာမှ Zero-shot အသံ cloning ။ ကျွန်တော်တို့ရဲ့ default ကို clone ပုံစံ, AI dubbing တွင်အသံများ, နှင့်ကျွန်တော်တို့ရဲ့ default ကိုအသံပြောင်းပြန်ပုံစံ (Chatterbox VC) ။
Kokoro, Piper, VITS နှင့် Bark
Kokoro 82M (Apache 2.0) သည် default ဖြစ်သည်၊ Piper သည်သင်တန်းပေးသည့် data များကို စီးပွားရေးလုပ်ငန်းသုံးစွဲမှုအတွက်သာ အသုံးပြုနိုင်သည့် voice များကိုသာ ပေးသည်။ VITS သည် 109 English speakers နှင့် Bark 130 presets များကို 13 languages များတွင် ထည့်သွင်းပေးသည်။
OpenVoice v2
Tone အရောင် converter နှင့် clone ပုံစံ။ စကားပြောပြောင်းလဲမှုအတွက်ရွေးချယ်နိုင်သေး, Chatterbox VC နေရာမှာယခု default ဖြစ်ပါတယ်ဒါကြောင့်ရည်မှန်းချက်စကားပြော၏အလွန်ပိုမိုထိန်းသိမ်းထားသည်။
ရည်ရွယ်ချက်ပြောဆိုသူ၏ကွဲပြားခြားနားသော clip ကိုသို့ပြောင်းပြန်မှတ်တမ်းတင်၏ Speaker တူညီမှု။ တူညီသောအစစ်အမှန်ပြောဆိုသူ၏နှစ်ခု clip များ score 0.76 မှ 0.88 ။
စကားပြော-စာသား ပုံစံများ
Whisper Large v3
အများဆုံးအသုံးပြုOpenAI ၏ open-source စကားပြောအသိအမှတ်ပြုမှုပုံစံ။ transcribes 100 ဘာသာစကားများ, timestamps နှင့်အလိုအလျောက်ဘာသာစကားရှာဖွေတွေ့ရှိခြင်းနှင့်အတူ။
Whisper Large v3 Turbo
အသေးစား, မြန်မြန်ဆန်ဆန် transcripts အတွက် Whisper ကြီးမားသော v3 ၏ပိုမိုမြန်ဆန်သောဗားရှင်း. whisper-turbo အဖြစ် pick it.
အသံစကားပြောဆိုမှုပုံစံ
Qwen2.5 7B Instruct
Voice Chat တွင်တုံ့ပြန်ချက်ကိုရေးသားသော open-source ဘာသာစကားပုံစံ, သင်ရွေးပါ persona တွင်. သင့်ရဲ့ browser ကိုသင်၏စကားပြော transcribes နှင့် Piper အသံကိုအသံထွက်တုံ့ပြန်ချက်ဖတ်ရှု.