AI-modeller

Vi integrerar de bästa öppen källkod tal AI modeller. Alla modeller finns tillgängliga via API och webbgränssnitt.

Text-till-tal-modeller

Chatterbox
Rekommenderad

Noll-shot röst kloning från ett kort referensprov, på 23 språk. Vår standardkloning modell, rösterna i AI dubbing, och vår standard röst konvertering modell (Chatterbox VC).

Språk 23
Referensljud 6 till 60 s
VRAM ~5GB
Licens MIT
Noll-shot-kloning Röstomvandling Flerspråkig Kommersiell användning
Kokoro, Piper, VITS och Bark

Fyra öppna text till talmotorer bakom en röstväljare. Kokoro 82M (Apache 2.0) är standard; Piper erbjuder endast röster vars träningsdata tillåter kommersiell användning; VITS lägger 109 engelska högtalare och Bark 130 förinställningar på 13 språk.

Röster 316
Språk 19
Motorer 4
Ladda ner MP3, WAV, OGG, FLAC
Flerspråkig Tillåten kommersiell användning
Försök att skriva text till tal
OpenVoice v2

Ton färgkonverterare och kloning modell. Fortfarande valbar för röstkonvertering, där Chatterbox VC är nu standard eftersom det håller mycket mer av målrösten.

Röstmatch i vårt test OpenVoice v2: 0.17 to 0.35
Röstmatch i vårt test Chatterbox VC: 0.64 to 0.75
Licens MIT

Talare likhet konverterade inspelningar till ett annat klipp av måltalaren. Två klipp med samma riktiga högtalarpoäng 0,76 till 0,88.

Röstomvandling Frivillig uppgift
GitHub

Modeller för tal till text

Whisper Large v3
Mest använda

OpenAI:s språkigenkänningsmodell med öppen källkod. Transkription 100 språk, med tidsstämpel och automatisk språkdetektering.

Språk 100
Parametrar 1.5B
VRAM [10GB]
Språkdetektering Automatisk
Förvald modell Flerspråkig Tidstämpel
Whisper Large v3 Turbo

En mindre, snabbare version av Whisper Large v3 för snabbare utskrifter. Välj den som viskande turbo.

Språk 100
Parametrar 809M
VRAM ~6GB
Licens MIT
Snabbare Flerspråkig

Modell för röstchatt

Qwen2.5 7B Instruct

Språkmodellen med öppen källkod som skriver svaren i röstchatten, i den persona du väljer. Din webbläsare transkriberar ditt tal och en Piper röst läser svaret högt.

Parametrar 7B
Licens Apache 2.0
Röst Piper
Körs på Våra GPU:er
Egna personer
GitHub