AI-модели

Мы интегрируем лучшие модели AI с открытым исходным кодом. Все модели доступны через API и веб-интерфейс.

Модели синтеза речи

Chatterbox
Рекомендуется

Клонирование голоса по короткому образцу без дообучения на 23 языках. Наша модель клонирования по умолчанию, голоса в ИИ-дубляже и наша модель преобразования голоса по умолчанию (Chatterbox VC).

Языки 23
Референсное аудио От 6 до 60 с
VRAM ~5GB
Лицензия MIT
Клонирование zero-shot Голосовая трансформация Многоязычные Коммерческое использование
Kokoro, Piper, VITS и Bark

Четыре открытых текста для речевых двигателей за одним голосоискателем. Kokoro 82M (Apache 2.0) - по умолчанию, Piper предлагает только голоса, данные о подготовке которых позволяют использовать в коммерческих целях; VITS добавляет 109 англичан и Bark 130 предвыборных программ на 13 языках.

Голоса 316
Языки 19
Движки 4
Скачать MP3, WAV, OGG, FLAC
Многоязычные Разрешено коммерческое использование
Попробовать синтез речи
OpenVoice v2

Конвертер тембра и модель клонирования. По-прежнему можно выбрать для преобразования голоса, где теперь по умолчанию используется Chatterbox VC, потому что он сохраняет гораздо больше черт целевого голоса.

Совпадение голоса в нашем тесте OpenVoice v2: 0.17 to 0.35
Совпадение голоса в нашем тесте Chatterbox VC: 0.64 to 0.75
Лицензия MIT

Сходство говорящего в преобразованных записях с другим роликом целевого говорящего. Два ролика одного и того же реального говорящего получают оценку от 0.76 до 0.88.

Голосовая трансформация Необязательно
GitHub

Модели распознавания речи

Whisper Large v3
Самая популярная

Открытая модель распознавания речи от OpenAI. Расшифровывает 100 языков, с временными метками и автоматическим определением языка.

Языки 100
Параметры 1.5B
VRAM ~10GB
Определение языка Автоматически
Модель по умолчанию Многоязычные Метки времени
Whisper Large v3 Turbo

Уменьшенная и более быстрая версия Whisper Large v3 для оперативной транскрипции. Выбирается как whisper-turbo.

Языки 100
Параметры 809M
VRAM ~6GB
Лицензия MIT
Быстрее Многоязычные

Модель голосового чата

Qwen2.5 7B Instruct

Открытая языковая модель, которая пишет ответы в голосовом чате от лица выбранного вами персонажа. Браузер распознаёт вашу речь, а голос Piper зачитывает ответ вслух.

Параметры 7B
Лицензия Apache 2.0
Голос Piper
Работает на Наши GPU
Свои персоны
GitHub