AI नमूना
हामी सबै भन्दा राम्रो खुला स्रोत भाषण एआई मोडेल एकीकृत। सबै मोडेल एपीआई र वेब इन्टरफेस मार्फत उपलब्ध छन्।
पाठ-बाट-वाचन नमूना
Chatterbox
सिफारिस गरिएको23 भाषाहरूमा छोटो सन्दर्भ नमूनाबाट शून्य-शट आवाज क्लोनिंग। हाम्रो पूर्वनिर्धारित क्लोनिङ मोडेल, एआई डबिंगमा आवाजहरू, र हाम्रो पूर्वनिर्धारित आवाज रूपान्तरण मोडेल (चाटरबक्स वीसी)।
कोकोरो, पाइपर, भिट्स र बार्क
एक आवाज पिक्सर पछाडि चार खुला पाठ भाषण इन्जिन. Kokoro 82M (Apache 2.0) पूर्वनिर्धारित छ; पाइपर जसको प्रशिक्षण डाटा व्यावसायिक प्रयोग अनुमति मात्र आवाज प्रस्ताव; VITS 109 अंग्रेजी वक्ता र 13 भाषाहरूमा बार्क 130 presets थप्छ।
OpenVoice v2
टोन रङ परिवर्तक र क्लोनिङ नमूना। अझै पनि आवाज रूपान्तरणका लागि चयनयोग्य, जहाँ च्याटबाक्स VC अहिले पूर्वनिर्धारित छ किनभने यो लक्ष्य आवाजको धेरै बढी राख्दछ।
लक्ष्य वक्ता को फरक क्लिप मा रूपान्तरित रेकर्डको वक्ता समानता । उही वास्तविक वक्ता को दुई क्लिप ०.७६ देखि ०.८८ सम्म प्राप्त गर्दछ ।
पाठमा भाषण मोडल
Whisper Large v3
धेरै प्रयोग गरिएकोOpenAI को खुला स्रोत भाषण पहिचान मोडेल। 100 भाषाहरू, टाइमस्ट्याम्प र स्वचालित भाषा पत्ता लगाउनेसँग प्रतिलिपि गर्दछ।
Whisper Large v3 Turbo
छिटो प्रतिलिपिहरूका लागि Whisper Large v3 को सानो, छिटो संस्करण। Whisper-turbo रूपमा यसलाई चयन गर्नुहोस्।
आवाज कुराकानी मोडेल
Qwen2.5 7B Instruct
आवाज च्याटमा जवाफ लेख्ने खुला स्रोत भाषा मोडेल, तपाईँले रोजेको व्यक्तिमा । तपाईँको ब्राउजरले तपाईँको भाषण प्रतिलिपि गर्दछ र पाइपर आवाजले जवाफ उच्चारण गर्दछ ।