Mô hình AI

Chúng tôi tích hợp những mô hình AI nói tốt nhất, tất cả các mô hình đều có sẵn thông qua API và giao diện web.

Mô hình chuyển văn bản thành giọng nói

Chatterbox
Khuyên dùng

Nhân bản giọng nói zero-shot từ một mẫu tham chiếu ngắn, trong 23 ngôn ngữ. Mô hình nhân bản mặc định của chúng tôi, giọng nói trong lồng tiếng AI và mô hình chuyển đổi giọng nói mặc định của chúng tôi (Chatterbox VC).

Ngôn ngữ 23
Âm thanh tham chiếu 6 đến 60 giây
VRAM ~5GB
Giấy phép MIT
Nhân bản zero-shot Chuyển đổi giọng nói Nhiều ngôn ngữ Sử dụng thương mại
Kokoro, Piper, VITS và Bark

Bốn động cơ văn bản mở để nói sau một máy chọn giọng nói. Kokoro 82M (Apache 2.0) là mặc định; Piper chỉ cung cấp giọng nói mà dữ liệu huấn luyện cho phép sử dụng thương mại; VITS thêm 109 người nói tiếng Anh và Bark 130 mặc định trong 13 ngôn ngữ.

Giọng nói 316
Ngôn ngữ 19
Công cụ 4
Tải xuống MP3, WAV, OGG, FLAC
Nhiều ngôn ngữ Cho phép sử dụng thương mại
Dùng thử chuyển văn bản thành giọng nói
OpenVoice v2

Bộ chuyển đổi âm sắc và mô hình nhân bản. Vẫn có thể chọn cho chuyển đổi giọng nói, nơi Chatterbox VC nay là mặc định vì giữ lại nhiều đặc điểm của giọng đích hơn hẳn.

Độ khớp giọng trong thử nghiệm của chúng tôi OpenVoice v2: 0.17 to 0.35
Độ khớp giọng trong thử nghiệm của chúng tôi Chatterbox VC: 0.64 to 0.75
Giấy phép MIT

Độ giống người nói của các bản ghi đã chuyển đổi so với một clip khác của người nói đích. Hai clip của cùng một người nói thật có điểm từ 0.76 đến 0.88.

Chuyển đổi giọng nói Tùy chọn
GitHub

Mô hình chuyển giọng nói thành văn bản

Whisper Large v3
Dùng nhiều nhất

Mô hình nhận dạng giọng nói mã nguồn mở của OpenAI. Phiên âm 100 ngôn ngữ, kèm dấu thời gian và tự động nhận diện ngôn ngữ.

Ngôn ngữ 100
Tham số 1.5B
VRAM ~10GB
Nhận diện ngôn ngữ Tự động
Mô hình mặc định Nhiều ngôn ngữ Dấu thời gian
Whisper Large v3 Turbo

Phiên bản nhỏ hơn, nhanh hơn của Whisper Large v3 để có bản phiên âm nhanh hơn. Chọn nó với tên whisper-turbo.

Ngôn ngữ 100
Tham số 809M
VRAM ~6GB
Giấy phép MIT
Nhanh hơn Nhiều ngôn ngữ

Mô hình trò chuyện giọng nói

Qwen2.5 7B Instruct

Mô hình ngôn ngữ mã nguồn mở viết câu trả lời trong trò chuyện bằng giọng nói, theo nhân vật bạn chọn. Trình duyệt chuyển lời nói của bạn thành văn bản và một giọng Piper đọc to câu trả lời.

Tham số 7B
Giấy phép Apache 2.0
Giọng nói Piper
Chạy trên GPU của chúng tôi
Nhân vật tùy chỉnh
GitHub