Modele AI
Integrujemy najlepsze modele przemówienia otwartego. Wszystkie modele są dostępne za pośrednictwem interfejsu API i web.
Modele zamiany tekstu na mowę
Chatterbox
ZalecanyKlonowanie głosu z krótkiej próbki wzorcowej, bez dodatkowego treningu, w 23 językach. Nasz domyślny model klonowania, głosy w dubbingu AI i nasz domyślny model konwersji głosu (Chatterbox VC).
Kokoro, Piper, VITS i Bark
Cztery otwarte teksty do silników mówców za jednym wybieraczem głosu. Kokoro 82M (Apache 2.0) to domyślny element; Piper oferuje tylko głosy, których dane szkoleniowe pozwalają na użytkowanie handlowe; VITS dodaje 109 języków angielskich i Bark 130 precyzyjnych w 13 językach.
OpenVoice v2
Konwerter barwy głosu i model klonowania. Nadal można go wybrać do konwersji głosu, gdzie domyślnym modelem jest teraz Chatterbox VC, ponieważ zachowuje znacznie więcej z głosu docelowego.
Podobieństwo mówcy w przekonwertowanych nagraniach do innego klipu mówcy docelowego. Dwa klipy tego samego prawdziwego mówcy uzyskują wynik od 0.76 do 0.88.
Modele zamiany mowy na tekst
Whisper Large v3
Najczęściej używanyOtwarty model rozpoznawania mowy od OpenAI. Transkrybuje 100 języków, ze znacznikami czasu i automatycznym wykrywaniem języka.
Whisper Large v3 Turbo
Mniejsza, szybsza wersja Whisper Large v3 do szybszych transkrypcji. Wybierz ją jako whisper-turbo.
Model czatu głosowego
Qwen2.5 7B Instruct
Otwarty model językowy, który pisze odpowiedzi w czacie głosowym w wybranej przez Ciebie roli. Przeglądarka transkrybuje Twoją mowę, a głos Piper odczytuje odpowiedź na głos.