AI ماڈل

ہم بہترین اوپن سورس اسپیکینگ اے آئی ماڈلز کو شامل کرتے ہیں. تمام ماڈلز API اور ویب انٹرفیس کے ذریعے دستیاب ہیں.

متن سے بوليں ماڈل

Chatterbox
سفارشی

23 زبانوں میں مختصر حوالہ نمونے سے صفر-شٹ آواز کلوننگ ہمارا ڈیفالٹ کلوننگ ماڈل، AI ڈبنگ میں آوازیں، اور ہمارا ڈیفالٹ آواز تبدیل ماڈل (چاٹر باکس VC)

زبانیں 23
حوالہ آڈیو 6 سے 60 سیکنڈ
VRAM ~5GB
لائسنس MIT
صفر-شٹ کلوننگ آواز تبدیل چند زبانوں والا تجارتي استعمال
کوکورو، پيپر، VITS اور 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.

آوازیں 316
زبانیں 19
انجن 4
ڈاؤن لوڈ MP3, WAV, OGG, FLAC
چند زبانوں والا تجارتی استعمال کو اجازت دی گئی
متن سے بوليں کا تجربہ کريں
OpenVoice v2

رنگوں کا رنگ بدلنے والا اور کلوننگ ماڈل آواز کے تبدیل کرنے کے ليے ابھی بھی منتخب کريں جا سکتا هے، جہاں Chatterbox VC اب ديفا ئل هے کیونکہ اس نے مقصد آواز کو زیادہ محفوظ کريں هے

آواز ہمارے ٹیسٹ میں ملتا ہے OpenVoice v2: 0.17 to 0.35
آواز ہمارے ٹیسٹ میں ملتا ہے Chatterbox VC: 0.64 to 0.75
لائسنس MIT

مراد اسپیکر کے مختلف کلپ کے ليے تبديل کردہ ريجکوريشنز کے اسپيکر شباهت. ایک ئي حقيقي اسپيکر کے دو کلپ 0.76 سے 0.88 سکو رن

آواز تبدیل اختیاری
GitHub

لفظ سے متن موڈل

Whisper Large v3
زیادہ تر استعمال شدہ

OpenAI کا اوپن سورس کلام شناخت ماڈل 100 زبانوں کو نقل کرتا ہے ، وقت کے نشان اور خودکار زبان کی دریافت کے ساتھ

زبانیں 100
پارامٹر 1.5B
VRAM ~10GB
زبان کا پتہ لگانا خودکار
ماڈل چند زبانوں والا وقت
Whisper Large v3 Turbo

جلد ترنسکریپٹس کے لئے Whisper Large v3 کا ایک چھوٹا، تیز ورژن. اسے Whisper-turbo کے طور پر منتخب کریں.

زبانیں 100
پارامٹر 809M
VRAM ~6GB
لائسنس MIT
تیز چند زبانوں والا

آواز چیٹ ماڈل

Qwen2.5 7B Instruct

اوپن سورس زبان ماڈل جو آواز کی بات میں جوابات لکھتا هے ، آپ کے منتخب کريے شخص ميں آپ کا براؤزر آپ کی بات کو نقل کر تا هے اور پيپر آواز جواب بلند آواز ميں پڑھتا هے

پارامٹر 7B
لائسنس Apache 2.0
آواز Piper
چلتا ہے ہمارے GPUs
ذاتي
GitHub