โมเดล AI
เรารวมตัวแบบจำลอง AI เสียงที่ดีที่สุด แบบจำลองทั้งหมดมีให้ใช้ผ่าน API และเว็บอินเทอร์เฟซ
Text-to-Speech Models
Chatterbox
แนะนำเสียงโคลนจากตัวอย่างที่ใช้ได้ใน 23 ภาษา แบบจำลองโคลนปริยายของเรา เสียงใน AI เสียงแปล และแบบจำลองการแปลงเสียงปริยายของเรา (Chatterbox VC)
โคโคโร ไพเปอร์ วิทส์ และ บาร์ค
กลไกเปิดตัวอักษรเป็นเสียง4ตัว เบื้องหลังตัวเลือกเสียง Kokoro 82M (Apache 2.0) เป็นตัวปริยาย Piper เสนอเพียงเสียงที่ข้อมูลการฝึกอบรมอนุญาตให้ใช้ในเชิงพาณิชย์ VITS เพิ่มผู้พูดภาษาอังกฤษ 109 คน และ Bark 130 ตัวเลือกก่อนใช้งานใน 13 ภาษา
OpenVoice v2
ตัวแปลงสีและโมเดลการคลอน ยังคงเลือกได้สำหรับการแปลงเสียง, ที่ Chatterbox VC ตอนนี้เป็นตัวปริยาย เพราะมันเก็บเสียงเป้าหมายไว้มากขึ้น
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
ใช้มากที่สุดโมเดลการรับรู้เสียง OpenAI แบบเปิดซอร์ส เขียนภาษา 100 ภาษา ด้วยสแกนเวลาและตรวจจับภาษาอัตโนมัติ
Whisper Large v3 Turbo
รุ่นเล็กกว่า เร็วกว่า Whisper Large v3 สำหรับแปลเร็วกว่า เลือกเป็น Whisper-Turbo
โมเดลการสนทนาเสียง
Qwen2.5 7B Instruct
โมเดลภาษาโอเพนซอร์สที่เขียนคำตอบในการสนทนาเสียง ในรูปแบบที่คุณเลือก เบราว์เซอร์ของคุณจะบันทึกคำพูดของคุณ และเสียง Piper จะอ่านคำตอบออกมา