Modelos de IA

Integramos os melhores modelos de AI de fala de código aberto. Todos os modelos estão disponíveis através da API e da interface web.

Modelos de texto para fala

Chatterbox
Recomendado

Clonagem de voz zero-shot a partir de uma amostra de referência curta, em 23 idiomas. Nosso modelo de clonagem padrão, as vozes da dublagem com IA e nosso modelo padrão de conversão de voz (Chatterbox VC).

Idiomas 23
Áudio de referência 6 a 60 s
VRAM ~5GB
Licença MIT
Clonagem zero-shot Conversão de Voz Multilingual Uso comercial
Kokoro, Piper, VITS e Bark

Quatro textos abertos aos motores de fala por trás de um selector de voz. O Kokoro 82M (Apache 2.0) é o padrão; o Piper oferece apenas vozes cujos dados de treinamento permitem uso comercial; o VITS adiciona 109 falantes ingleses e predefinições Bark 130 em 13 idiomas.

Vozes 316
Idiomas 19
Motores 4
Baixar MP3, WAV, OGG, FLAC
Multilingual Uso comercial permitido
Experimente texto para fala
OpenVoice v2

Conversor de timbre e modelo de clonagem. Ainda pode ser selecionado para conversão de voz, onde o Chatterbox VC agora é o padrão porque mantém muito mais da voz de destino.

Semelhança de voz no nosso teste OpenVoice v2: 0.17 to 0.35
Semelhança de voz no nosso teste Chatterbox VC: 0.64 to 0.75
Licença MIT

Similaridade do locutor das gravações convertidas com outro clipe do locutor de destino. Dois clipes do mesmo locutor real pontuam de 0.76 a 0.88.

Conversão de Voz Opcional
GitHub

Modelos de fala para texto

Whisper Large v3
Mais usado

O modelo de reconhecimento de fala de código aberto da OpenAI. Transcreve 100 idiomas, com marcações de tempo e detecção automática de idioma.

Idiomas 100
Parâmetros 1.5B
VRAM ~10GB
Detecção de idioma Automático
Modelo padrão Multilingual Marcações de tempo
Whisper Large v3 Turbo

Uma versão menor e mais rápida do Whisper Large v3 para transcrições mais ágeis. Escolha-a como whisper-turbo.

Idiomas 100
Parâmetros 809M
VRAM ~6GB
Licença MIT
Mais rápido Multilingual

Modelo do chat de voz

Qwen2.5 7B Instruct

O modelo de linguagem de código aberto que escreve as respostas no chat de voz, com a persona que você escolher. Seu navegador transcreve sua fala e uma voz Piper lê a resposta em voz alta.

Parâmetros 7B
Licença Apache 2.0
Voz Piper
Roda em Nossas GPUs
Personas personalizadas
GitHub