Maumbo ya AI
Tunaunganisha usemi ulio wazi kabisa. Vitu vyote vya kuiga vinapatikana kupitia ndege za abiria na zana za mtandao.
Maandishi-to-Speech Fords
Chatterbox
InapendekezwaSauti ya Zero-shot inayotokana na sampuli fupi ya marejezo, katika lugha 23. Mfano wetu wa kutengeneza maumbo bila kufuata utaratibu wowote, sauti zilizo katika AI zikivuma, na sauti yetu isiyo na mwisho ikibadili watu kuwa kiolezo (Chatterbox VC).
Kokoro, Piper, VITS na Bark
Ni maandishi manne yaliyo wazi kwenye injini za usemi kwa kutumia kikuza sauti. Kokoro 82M (Apache 2.0) ni ukosefu wa usawa; Piper atoa sauti tu ambazo data za mazoezi zao huruhusu utumizi wa kibiashara; VITS huongeza wasemaji wa Kiingereza 109 na Bark 130 kabla ya kuwekwa katika lugha 13.
OpenVoice v2
Rangi ya toine hugeuza na kufanyiza umbo. Njia nyingine ya kubadili sauti, ambapo Chatterbox VC ni kukosa kufaulu kwa sababu inabaki mahali ambapo sauti hiyo inaelekezwa.
Ufanani wa maneno wa rekodi zilizogeuzwa na kuwa kipande tofauti cha msemaji shabaha. Picha mbili za msemaji yuleyule wa kweli zina nambari 0.76 hadi 0.88.
Vigezo vya Usemi na vya Kuigwa
Whisper Large v3
Zimetumiwa SanaPicha ya wazi ya maneno ya wimbo wa wazi ya utambulisho. Trandi lugha 100, zenye vipepo na uguo wa lugha ya kawaida.
Whisper Large v3 Turbo
A smaller, faster version of Whisper Large v3 for quicker transcripts. Pick it as whisper-turbo.
Mfano wa Kupiga gumzo kwa Sauti
Qwen2.5 7B Instruct
Mfano wa lugha inayoweza kuandaliwa na mtu unayechagua kwenye soga la sauti. Msanii wako hurekodi maneno yako na sauti ya Piper husomeka jibu kwa sauti kubwa.