AuK — диффузионная модель Tencent на 1,5 млрд параметров для синтеза и редактирования речи по текстовым инструкциям.

Подходит для: синтез речи по тексту · zero-shot синтез голоса · генерация речи по инструкции

Модель audEERING на основе Wav2Vec2 оценивает возраст и гендерную категорию говорящего по аудиозаписи и извлекает речевые представления.

Подходит для: оценка примерного возраста говорящего по голосу · классификация голосовой записи по категориям ребёнок, женщина или мужчина · извлечение признаков аудиозаписи для анализа речи

AST — дообученная на AudioSet модель на основе Vision Transformer для классификации звуковых событий в аудио.

Подходит для: классификация звуковых событий в аудиозаписях · распознавание звуков из набора классов AudioSet · анализ аудиозаписей для выявления характерных звуков

Audiobox Aesthetics — модель Meta для автоматической оценки эстетических характеристик речи, музыки и других звуков.

Подходит для: оценка качества записи речи · оценка эстетических характеристик музыки · оценка качества звуковых эффектов

Auralis — производная от Coqui XTTS-v2 многоязычная модель AstraMind.ai для синтеза речи из текста и клонирования голоса по короткому аудиофрагменту.

Подходит для: создание аудиокниг из электронных книг · озвучивание подкастов и видеороликов · синтез речи на нескольких языках

Аудиотокенизатор Higgs Audio V2 кодирует речь, музыку и звуковые события в аудиокоды и восстанавливает из них аудио для использования в аудиоязыковых моделях.

Подходит для: кодирование аудио в токены для аудиоязыковой модели · восстановление аудиосигнала из аудиокодов · подготовка речевых данных для обучения аудиомодели

Мультимодальная модель Qwen на 27 млрд параметров с ослабленными отказами для диалогов, рассуждений, программирования и анализа изображений.

Подходит для: диалоговые ответы на инструкции · генерация и объяснение кода · многошаговые рассуждения по текстовому запросу

Крупная модель MoE на базе Qwen 3.5 для агентного программирования, решения задач разработки и работы с инструментами.

Подходит для: решение задач разработки в терминальном coding-агенте · поиск и исправление ошибок в кодовой базе · автоматизация задач программирования с вызовом инструментов

Дистиллированная модель ACE-Step 1.5 XL Turbo генерирует музыку и аудио по текстовому описанию за 8 шагов.

Подходит для: генерация музыкального фрагмента по текстовому описанию · создание фоновой музыки для видео и игр · быстрое создание музыкальных идей и демо

Англоязычная модель EleutherAI с 1,2 млрд параметров для генерации текста и исследований поведения и интерпретируемости языковых моделей.

Подходит для: исследование интерпретируемости языковых моделей · сравнение генерации моделей разного размера · анализ влияния этапа обучения на поведение модели

Компактная англоязычная модель EleutherAI для генерации текста и контролируемых исследований поведения языковых моделей.

Подходит для: исследование интерпретируемости языковых моделей · эксперименты с продолжением английского текста · сравнение моделей одинакового размера в контролируемых условиях

Ultravox — модель Fixie.ai, которая понимает речь и текст и генерирует текстовые ответы для голосовых агентов, анализа речи и речевого перевода.

Подходит для: создание голосового агента с текстовыми ответами · анализ содержания аудиосообщений · распознавание устной речи

Вокодер HiFi-GAN для преобразования акустических представлений SpeechT5 в аудио при синтезе речи и конвертации голоса.

Подходит для: синтез аудио из представлений речи SpeechT5 · озвучивание текста в связке с моделью SpeechT5 · преобразование голоса в конвейере SpeechT5

Текстовая MoE-модель для генерации текста и кода, агентных задач и работы с инструментами с удалённым поведением отказа.

Подходит для: генерация и отладка программного кода · автоматизация задач программирования агентом · генерация ответов в диалоговом интерфейсе

Черновая модель Liquid AI для speculative decoding, ускоряющая генерацию LiquidAI/LFM2.5-8B-A1B при использовании совместимого инференс-сервера.

Подходит для: ускорение генерации текста на LFM2.5-8B-A1B через speculative decoding · снижение задержки инференса в SGLang · ускорение генерации на Apple Silicon с Metal

Англоязычная авторегрессионная модель EleutherAI для генерации текста и научного исследования поведения и интерпретируемости языковых моделей.

Подходит для: эксперименты с генерацией английского текста · исследование интерпретируемости языковых моделей · сравнение поведения моделей разных размеров

Небольшая англоязычная авторегрессионная модель EleutherAI для исследований генерации текста и поведения языковых моделей.

Подходит для: эксперименты с предсказанием следующего токена на английском языке · исследование поведения языковых моделей на разных этапах обучения · анализ интерпретируемости компактной трансформерной модели

Ultravox v0.5 — речевая языковая модель Fixie.ai, которая понимает аудио и текст и генерирует текст для голосовых агентов, анализа речи и перевода.

Подходит для: создание голосового агента, отвечающего на голосовые сообщения · транскрибирование речи в текст · анализ содержания spoken audio

AST, дообученный на AudioSet, классифицирует аудио по категориям звуковых событий.

Подходит для: классификация звуковых событий в аудиозаписи · автоматическая разметка звуковых сцен · распознавание бытовых и окружающих звуков

Аудио-текстовая MoE-модель NVIDIA для понимания и генерации аудио, распознавания и перевода речи, а также текстовых рассуждений.

Подходит для: распознавание речи в аудиозаписях · ответы на вопросы по содержанию аудио · перевод речи на английский язык

TADA-1B — дообученная на базе Llama 3.2 1B модель HumeAI для синтеза речи и совместной генерации текста и аудио.

Подходит для: озвучивание текста на английском языке · продолжение речевого фрагмента с генерацией текста и речи · генерация речи с динамической длительностью слов и субслов

CED-Base — трансформерная модель для классификации звуковых событий в аудиозаписях.

Подходит для: классификация звуковых событий в аудиозаписях · тегирование аудио по классам AudioSet · извлечение аудиопризнаков для обучения линейного классификатора

Модель на базе Wav2Vec2 классифицирует аудио, чтобы выявлять поддельную синтетическую речь.

Подходит для: выявление deepfake-речи в аудиозаписях · проверка голосовых сообщений на синтетическое происхождение · классификация аудио для систем обнаружения подделок

Англоязычная авторегрессионная модель EleutherAI с 1,2 млрд параметров для исследований генерации и интерпретируемости языковых моделей.

Подходит для: изучение поведения авторегрессионной языковой модели · эксперименты по интерпретируемости трансформеров · сравнение моделей разных размеров на контролируемых данных