Чат-модель Qwen2-Audio для голосового общения и анализа аудио по текстовым инструкциям.
Подходит для: голосовой диалог без текстового ввода · ответы на вопросы по аудиозаписи · анализ речи по пользовательской инструкции
Kokoro-82M-bf16 — английская модель синтеза речи в формате MLX для преобразования текста в аудио.
Подходит для: озвучивание английских текстов в приложениях на MLX · создание голосовых сообщений из текста · добавление синтеза речи в локальные приложения на Apple Silicon
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
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
Дообученная wav2vec2-модель классифицирует аудиозаписи для обнаружения дипфейковой речи.
Подходит для: проверка аудиозаписи на признаки синтезированной речи · классификация записи как поддельной или подлинной · первичная проверка подозрительных голосовых сообщений
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
Дообученная wav2vec2-модель для классификации аудио, предназначенная, судя по названию, для обнаружения поддельной речи.
Подходит для: проверка аудиозаписей на признаки дипфейковой речи · классификация аудио для систем выявления поддельных голосовых сообщений · оценка подлинности речевых записей
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
Дообученная многоязычная модель Parakeet TDT 0.6B для транскрибирования речи, в том числе длинных записей и аудио с фоновым шумом.
Подходит для: транскрибирование русскоязычных аудиозаписей · распознавание речи в многоязычных записях · расшифровка совещаний и деловых звонков
Qwen2-Audio-7B — аудиоязыковая модель на 7 млрд параметров для голосового общения и анализа аудио с текстовыми ответами.
Подходит для: ответы на вопросы по аудиозаписи · анализ аудио по текстовой инструкции · голосовой диалог без предварительного текстового ввода
Auralis на основе Coqui XTTS-v2 синтезирует многоязычную речь из текста и поддерживает клонирование голоса по короткому аудиофрагменту.
Подходит для: создание аудиокниг из электронных книг · озвучивание диалогов, подкастов и видеороликов · добавление синтеза речи в приложения через Python API
Дообученная модель Wav2Vec2 классифицирует аудиоречь как человеческую или синтетическую, созданную системой TTS либо клонирования голоса.
Подходит для: проверка аудиозаписи на синтетическую речь · выявление речи, созданной системами TTS · проверка аудио на признаки клонирования голоса
Модель DF Arena 1B классифицирует аудиозаписи, выявляя поддельную речь, пение и окружающие звуки.
Подходит для: проверка аудиозаписей на синтетическую или подменённую речь · выявление дипфейкового пения · обнаружение поддельных звуков окружающей среды
Англоязычная модель FastSpeech2Conformer с HiFi-GAN для быстрого преобразования текста в речь.
Подходит для: озвучивание англоязычных текстов · создание речевых аудиофайлов из текста · генерация голоса для приложений и демонстраций
Модель на базе Wav2Vec2 классифицирует аудио как подлинную речь или дипфейк для проверки аутентичности голосовых записей.
Подходит для: обнаружение синтетической речи в аудиозаписях · проверка подлинности голосового сообщения · выявление подмены или повторного воспроизведения речи
Дообученная модель Wav2Vec2 для классификации аудио и выявления дипфейковых записей.
Подходит для: Проверка аудиозаписей на признаки синтетической подделки · Классификация аудио в системе обнаружения дипфейков · Предварительная фильтрация подозрительных голосовых записей
Сквозная аудиоязыковая модель Liquid AI для голосовых диалогов в реальном времени, распознавания речи и синтеза речи.
Подходит для: голосовой диалог с ассистентом в реальном времени · распознавание английской речи в аудио · преобразование текста в речь
Модель на базе wav2vec2, дообученная на ASVspoof2019 для выявления поддельной и подлинной речи в аудио.
Подходит для: проверка голосовой записи на признаки дипфейка · классификация аудио как подлинного или синтетического · предварительный анализ подозрительных голосовых сообщений
Модель Boson AI на 8,91 млрд параметров преобразует монофоническую речь в WAV 16 кГц в текст.
Подходит для: транскрибация англоязычных аудиозаписей · распознавание речи в записях совещаний · подготовка текстовых расшифровок для аудиоданных
Дообученный wav2vec 2.0 классификатор аудио для обнаружения дипфейковой и поддельной речи.
Подходит для: проверка аудиозаписей на синтетическую или поддельную речь · первичная фильтрация подозрительных голосовых сообщений · оценка подлинности речи в аудиоматериалах
Нерекуррентная англоязычная модель FastSpeech2Conformer быстро синтезирует речь из текста.
Подходит для: синтез английской речи из текста · озвучивание коротких текстовых сообщений · создание речевых дорожек для приложений
Дообученная модель Wav2Vec2 для классификации аудио как поддельного или исходного.
Подходит для: проверка аудиозаписи на признаки подделки · классификация синтезированной и исходной речи · первичная фильтрация аудио для проверки подлинности
Англоязычная звуковая языковая модель на базе Llama 3.1 для понимания речи, включая диалоги и аудио с фоновым шумом.
Подходит для: ответы на вопросы по аудиозаписям · многоходовой диалог с речевым вводом · понимание английской речи в шумной среде
4-битная аудио-чат-модель Qwen2-Audio-7B для транскрибации, перевода и анализа аудио на устройствах Apple Silicon.
Подходит для: транскрибация записей речи · перевод устной речи · создание текстовых описаний аудиозаписей