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
Inapendekezwa

Sauti 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).

Lugha 23
Sauti ya marejeo 6 hadi 60
VRAM BAR5GB
Licen MIT
Zero-shot Cloling Kugeuzwa kwa Sauti Watu Wanaowasiliana Lugha Mbalimbali Matumizi ya Biashara
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.

Sauti 316
Lugha 19
Injini 4
Pakia MP3, WAV, OGG, FLAC
Watu Wanaowasiliana Lugha Mbalimbali Utumizi wa kibiashara uliruhusu
Jaribu andiko la kusema
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.

Sauti Yatofautiana Katika mtihani wetu OpenVoice v2: 0.17 to 0.35
Sauti Yatofautiana Katika mtihani wetu Chatterbox VC: 0.64 to 0.75
Licen MIT

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.

Kugeuzwa kwa Sauti Njia za kuchagua
GitHub

Vigezo vya Usemi na vya Kuigwa

Whisper Large v3
Zimetumiwa Sana

Picha ya wazi ya maneno ya wimbo wa wazi ya utambulisho. Trandi lugha 100, zenye vipepo na uguo wa lugha ya kawaida.

Lugha 100
Juzi 1.5B
VRAM BAR10GB
Ugunduzi wa Lugha Automatic
Mfano wa kutolipa Watu Wanaowasiliana Lugha Mbalimbali Nyakati
Whisper Large v3 Turbo

A smaller, faster version of Whisper Large v3 for quicker transcripts. Pick it as whisper-turbo.

Lugha 100
Juzi 809M
VRAM to6GB
Licen MIT
Mfungo Watu Wanaowasiliana Lugha Mbalimbali

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.

Juzi 7B
Licen Apache 2.0
Sauti Piper
Kutoroka GPI
Desturi za Kupokezana Rangi
GitHub