Modely umelej inteligencie

Integrujeme najlepšie open-source modely umelej inteligencie, ktoré sú dostupné cez API a webové rozhranie.

Modely prevodu textu na reč

Chatterbox
Odporúčané

Klonovanie hlasu v 23 jazykoch z krátkej referenčnej vzorky, náš predvolený model klonovania, hlasy v AI dabing a náš predvolený model konverzie hlasu (Chatterbox VC).

Jazyky 23
Referenčný zvukový systém 6 až 60 s
VRAM ~5GB
Licencia MIT
Klonovanie s nulovým výstrelom Konverzia hlasu Viacjazyčné Komerčné použitie
Kokoro, Piper, VITS a kôra

Štyri otvorené nástroje na premenu textu na reč za jedným hlasovým výberom: Kokoro 82M (Apache 2.0) je predvolený; Piper ponúka len hlasy, ktorých tréningové dáta umožňujú komerčné použitie; VITS pridáva 109 anglických hovoriacich a Bark 130 predvolieb v 13 jazykoch.

Hlasy 316
Jazyky 19
Motory 4
Stiahnuť Podporované formáty: MP3, WAV, OGG, FLAC
Viacjazyčné Komerčné použitie povolené
Vyskúšajte prevod textu na reč
OpenVoice v2

Stále je možné vybrať pre konverziu hlasu, kde Chatterbox VC je teraz predvolený, pretože si zachováva oveľa viac cieľovej hlasu.

Hlasová zhoda v našom teste OpenVoice v2: 0.17 to 0.35
Hlasová zhoda v našom teste Chatterbox VC: 0.64 to 0.75
Licencia MIT

Podobnosť hovoriaceho konvertovaných nahrávok s iným klipom cieľového hovoriaceho: Dva klipy toho istého skutočného hovoriaceho majú skóre 0,76 až 0,88.

Konverzia hlasu Voliteľné
GitHub

Modely prevodu reči na text

Whisper Large v3
Najviac používané

OpenAI open source model rozpoznávania reči. Prepisuje 100 jazykov, s časovými pečiatkami a automatickou detekciou jazyka.

Jazyky 100
Parametre 1.5B
VRAM ~10GB
Detekcia jazyka Automaticky
Predvolený model Viacjazyčné Časové pečiatky
Whisper Large v3 Turbo

Menšia, rýchlejšia verzia Whisper Large v3 pre rýchlejšie prepisy. Vyberte si ho ako whisper-turbo.

Jazyky 100
Parametre 809M
VRAM ~6GB
Licencia MIT
Rýchlejšie. Viacjazyčné

Model hlasového chatu

Qwen2.5 7B Instruct

Jazykový model s otvoreným zdrojovým kódom, ktorý píše odpovede v hlasovom rozhovore v osobe, ktorú si vyberiete.Váš prehliadač prepíše vašu reč a hlas Piper prečíta odpoveď nahlas.

Parametre 7B
Licencia Apache 2.0
Hlas Piper
Beží na Naše grafické procesory
Vlastné Personas
GitHub