Ti måder at kopiere en stemme på

Én stemme. Ti kopier.

Alle klip på denne side er lavet ud fra 17 sekunder af en af Gregs egne Plant Sugar-videoer. Ingen optagelse blev lavet til demoen, ingen GPU blev lejet, og ingen kreditkort blev brugt. To af de ti metoder kører live her i huset; de otte andre er beskrevet med det, de kræver, hvad de koster, og hvad de ville give.

17 sreferencelyd, én video

2 / 10kører live på siden

3,0 sat lave et 8 s klip (CPU, ingen GPU)

0 krbrugt på API'er og tjenester

Avatarstille

Tryk på et klip. Munden følger lyden, lyd for lyd (Rhubarb Lip Sync).

Pladsholder-ansigt, ikke Greg. Mundformerne er ægte: beregnet fra lyden med Rhubarb Lip Sync (9 visemer). Et foto eller 3D-scan kan sættes ind senere, se metode 9 og 10.

Hør detoriginal mod to kloner

Hvad du hører: Først de 17 sekunder, der er hele referencen (fra en Plant Sugar-video, Greg har selv givet lov til at klone fra, 2026-09-23). Så en engelsk klon lavet på serverens CPU på tre sekunder. Så den samme stemme på dansk, fra en model der aldrig har hørt Greg tale dansk. Alle klip er syntetiske, bortset fra referencen.

De ti metoder

Fra en 100-millioner-parameters model, der kører på en almindelig server, til betalte digitale tvillinger med ansigt. Hvert kort siger, hvad metoden er, hvad den kræver af dig, hvor den ville køre her, og hvad den koster.

Live: kør og hør på siden Målt: kørt her, ikke i demoen API-nøgle: betalt tjeneste, plan vist Kræver dit foto/video Plan: byggebeskrivelse

Hvad jeg skal bruge fra dig

Alt på siden er lavet af 17 sekunder taget fra en video med baggrundsstøj. Det er det, der sætter loftet for kvaliteten lige nu.

1. En ren optagelse, 30 til 60 sekunder Telefonen er fint, et stille rum er vigtigere end mikrofonen. Læs en avisartikel op i dit normale tempo, halvdelen på dansk, halvdelen på engelsk. Det løfter alle fire open source-kloner og er det, ElevenLabs kalder en instant clone. 30 minutter giver en professionel klon (metode 6) og en RVC-model (metode 5).

2. Et foto og to minutters video Ét skarpt portræt forfra, neutralt lys, giver metode 9 (talende foto). To minutters video, hvor du taler til kameraet og siger en samtykkesætning, er det HeyGen, D-ID og Synthesia kræver til en digital tvilling (metode 10).

3. Nøgler, hvis du vil betale Ingen af de betalte tjenester er oprettet. Metode 6 og 7 viser planen og prisen og har en pladsholder, hvor nøglen ville ligge. Nøglen skal i /opt/personal-assistant/.env, aldrig på siden.

Min anbefaling Til dagligt brug: metode 2 (Chatterbox). Gratis, MIT-licens, dansk og engelsk fra den samme model, og den kører her i huset. Med en ren 60 sekunders optagelse er den god nok til speak på YouTube og til Frontdesk-demoen. Til det bedste resultat: metode 6 (ElevenLabs professionel klon, 22 dollars om måneden). Den vinder stadig på naturlighed og dansk prosodi, og den har de juridiske værktøjer (samtykkeverifikation, misbrugssporing) på plads. Til en avatar: metode 10 på vores egen stak frem for en digital tvilling; det er mere arbejde, men ansigtet, stemmen og dataene bliver dine. Metode 5 (RVC) er den sjove: når først modellen findes, kan den lægge din stemme over alt, også dansk, i realtid.