AI-моделі

Ми інтегруємо найкращі моделі ШІ з відкритим кодом. Всі моделі доступні за допомогою API і веб- інтерфейсу.

Моделі синтезу мовлення

Chatterbox
Рекомендовано

Клонування голосу з короткого зразка без донавчання 23 мовами. Наша модель клонування за замовчуванням, голоси в ШІ-дубляжі та наша модель перетворення голосу за замовчуванням (Chatterbox VC).

Мови 23
Еталонне аудіо від 6 до 60 с
VRAM ~5 ГБ
Ліцензія MIT
Клонування zero-shot Перетворення голосу Багатомовний Комерційне використання
Kokoro, Piper, VITS і Bark

Four open text to speech engines behind one voice picker. Kokoro 82M (Apache 2.0) is the default; Piper offers only voices whose training data allows commercial use; VITS adds 109 English speakers and Bark 130 presets in 13 languages.

Голоси 316
Мови 19
Рушії 4
Завантажити MP3, WAV, OGG, FLAC
Багатомовний Комерційне використання дозволено
Спробувати синтез мовлення
OpenVoice v2

Конвертер тембру та модель клонування. Його й надалі можна вибрати для перетворення голосу, де тепер за замовчуванням використовується Chatterbox VC, бо він зберігає значно більше рис цільового голосу.

Збіг голосу в нашому тесті OpenVoice v2: 0.17 to 0.35
Збіг голосу в нашому тесті Chatterbox VC: 0.64 to 0.75
Ліцензія MIT

Схожість мовця в перетворених записах на інший ролик цільового мовця. Два ролики того самого реального мовця отримують оцінку від 0.76 до 0.88.

Перетворення голосу Необов'язково
GitHub

Моделі розпізнавання мовлення

Whisper Large v3
Найпопулярніша

Відкрита модель розпізнавання мовлення від OpenAI. Розшифровує 100 мов, з часовими мітками та автоматичним визначенням мови.

Мови 100
Параметри 1.5B
VRAM ~10 ГБ
Визначення мови Автоматично
Модель за замовчуванням Багатомовний Часові мітки
Whisper Large v3 Turbo

Менша й швидша версія Whisper Large v3 для швидших транскрипцій. Оберіть її як whisper-turbo.

Мови 100
Параметри 809M
VRAM ~6GB
Ліцензія MIT
Швидше Багатомовний

Модель голосового чату

Qwen2.5 7B Instruct

Відкрита мовна модель, яка пише відповіді в голосовому чаті від імені обраного вами персонажа. Браузер розпізнає ваше мовлення, а голос Piper зачитує відповідь уголос.

Параметри 7B
Ліцензія Apache 2.0
Голос Piper
Працює на Наші GPU
Власні персонажі
GitHub