AI ආකෘති
අපි හොඳම විවෘත මූලාශ්රය කථාව AI ආකෘති ඒකාබද්ධ. සියලු ආකෘති API සහ වෙබ් අතුරුමුහුණත හරහා ලබා ගත හැකිය.
Text-to-Speech Models
Chatterbox
නිර්දේශිතකෙටි උපුටා දැක්වීමක් සාම්පලයක් සිට ශූරතාව-ෂොට් හඬ ක්ලෝන, භාෂා 23. අපගේ පෙරනිමි ක්ලෝන ආකෘතිය, AI ද්විත්ව හඬ, සහ අපගේ පෙරනිමි හඬ පරිවර්තන ආකෘතිය (චැටර්බෝක්ස් VC).
කොකෝරෝ, Piper, VITS සහ බර්ක්
එක් හඬ තෝරාගැනීම පසුපස කථා එන්ජින් විවෘත පෙළ හතර. Kokoro 82M (අපාචී 2.0) පෙරනිමි වේ; Piper පුහුණු දත්ත වාණිජ භාවිතය සඳහා පමණක් හඬ ලබා දෙන; VITS එකතු 109 ඉංග්රීසි කථිකයන් හා බාර්ක් 130 භාෂා 13 දී පෙර සැකසුම්.
OpenVoice v2
ටෝන් වර්ණ පරිවර්තකය සහ ක්ලෝන ආකෘතිය. තවමත් හඬ පරිවර්තනය සඳහා තෝරාගත හැකි, එහිදී Chatterbox VC එය ඉලක්ක හඬ වඩා වැඩි තබා නිසා දැන් පෙරනිමි වේ.
Speaker similarity of converted recordings to a different clip of the target speaker. Two clips of the same real speaker score 0.76 to 0.88.
Speech-to-Text Models
Whisper Large v3
වැඩිම භාවිත වූOpenAI ගේ විවෘත මූලාශ්රය කථාව හඳුනාගැනීමේ ආකෘතිය. 100 භාෂා පරිවර්තනය, ටයිම්ස්ටැම්ප් සහ ස්වයංක්රීය භාෂා හඳුනාගැනීම.
Whisper Large v3 Turbo
කුඩා, වේගවත් පරිවර්තන සඳහා විස්පර් විශාල v3 වේගවත් අනුවාදය. විස්පර්-ටර්බෝ ලෙස එය තෝරන්න.
හඬ සල්ලාප ආකෘතිය
Qwen2.5 7B Instruct
හඬ චැට් ප්රතිචාර ලියයි විවෘත මූලාශ්රය භාෂා ආකෘතිය, ඔබ තෝරා persona දී. ඔබේ බ්රවුසරයේ ඔබේ කථාව පරිවර්තනය හා Piper හඬ උස් ප්රතිචාර කියවනවා.