Компактная мультиязычная модель FunAudioLLM для быстрого распознавания речи с дополнительными возможностями анализа эмоций и звуковых событий.
Подходит для: транскрибация аудиозаписей и голосовых сообщений · распознавание речи в потоковом режиме на периферийных устройствах · распознавание китайской, кантонской, английской, японской и корейской речи
Fun-ASR-Nano-2512-hf — модель FunAudioLLM для генеративного распознавания китайской, английской и японской речи в текст.
Подходит для: транскрибирование китайской речи · распознавание китайской речи с региональными акцентами · перевод английской речи в текст
Упаковка Fun-ASR-Nano-2512 для vLLM предназначена для преобразования аудиозаписей на китайском, английском и японском языках в текст.
Подходит для: транскрибация китайской речи · распознавание английской речи · транскрибация японской речи
Модель wav2vec2 для транскрибирования финской речи в текст.
Подходит для: транскрибирование финских аудиозаписей · распознавание финской речи в голосовых сообщениях · создание текстовых расшифровок финских интервью
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
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
Audio Flamingo 3 — аудиоязыковая модель NVIDIA для анализа речи, звуков и музыки, ответов на вопросы по аудио и голосового диалога.
Подходит для: ответы на вопросы о содержании аудиозаписи · транскрибирование речи · анализ звуковых событий и музыкальных фрагментов
Многоязычная модель Wav2Vec 2.0 преобразует аудио в фонетические метки для распознавания речи и фонем.
Подходит для: получение фонетической транскрипции речи из аудио · распознавание фонем в многоязычных речевых данных · создание акустической основы для системы распознавания речи
Компактная мультиязычная модель FunASR для распознавания речи на 31 языке и преобразования аудио в текст.
Подходит для: расшифровка записей речи на поддерживаемых языках · распознавание аудио на языках Восточной и Юго-Восточной Азии · транскрибация многоязычных аудиозаписей
Fun-ASR-Nano-2512 — компактная многоязычная модель Tongyi Lab для потокового распознавания речи, включая диалекты, акценты и речь на фоне музыки.
Подходит для: потоковая транскрипция речи с низкой задержкой · распознавание китайской речи с диалектами и региональными акцентами · распознавание английской и японской речи
Мультимодальная модель Mistral для транскрибации, перевода и анализа аудио с ответами на вопросы по записи.
Подходит для: транскрибация длинных аудиозаписей на поддерживаемых языках · перевод речи между поддерживаемыми языками · ответы на вопросы по аудиозаписи
Набор моделей Whisper в формате Core ML для локального распознавания речи и транскрибации на устройствах Apple Silicon.
Подходит для: локальная транскрибация аудиозаписей на устройствах Apple · преобразование речи в текст в приложениях для Apple Silicon · распознавание речи без отправки аудио на сервер
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
Открытая аудиоязыковая модель примерно на 4,6 млрд параметров для распознавания и анализа речи, звуков и музыки с ответами в текстовой форме.
Подходит для: транскрибация аудиозаписей с временными метками · ответы на вопросы по содержанию подкастов, встреч и интервью · краткое изложение аудиозаписей
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
Конверсия Whisper small в формат CTranslate2 для распознавания речи из аудио, в том числе с помощью faster-whisper.
Подходит для: транскрибация русскоязычных аудиозаписей · расшифровка многоязычных интервью и встреч · преобразование аудио в текст в приложениях на CTranslate2
Аудиоязыковая модель примерно на 8 млрд параметров для голосовых вопросов и ответов, понимания речи и речевого вызова функций на английском и китайском языках.
Подходит для: ответы на вопросы, заданные голосом · понимание содержания аудиозаписей · выполнение голосовых инструкций
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
Дообученная Wav2Vec2-модель для распознавания японской речи в аудио с частотой дискретизации 16 кГц.
Подходит для: транскрибация японской речи из аудиозаписей · распознавание японской речи в голосовых сообщениях · создание текстовых расшифровок японских аудиоматериалов
Набор моделей Core ML для распознавания речи и определения говорящих в аудиозаписях на устройствах Apple.
Подходит для: распознавание речи в аудиозаписях · определение говорящих в разговоре · диаризация записей встреч и интервью
Дообученная на польской речи модель wav2vec2 для преобразования аудиозаписей в текст.
Подходит для: транскрибация речи на польском языке · распознавание польской речи в аудиозаписях с частотой 16 кГц · подготовка текстовых расшифровок для материалов Common Voice
MLX-версия многоязычной модели NVIDIA Parakeet-TDT-0.6B-v3 для распознавания речи и транскрибации аудио.
Подходит для: транскрибация аудиозаписей на поддерживаемых языках · преобразование русской речи в текст · распознавание речи в диктовке
Речевая LLM Fixie.ai принимает аудио и текстовый контекст и генерирует текст для голосовых агентов, анализа и перевода речи.
Подходит для: создание голосового агента с ответами на речь пользователя · распознавание и анализ содержания аудиозаписей · перевод речи с английского на немецкий
Модель NVIDIA для подробного описания, расшифровки и временной разбивки длинных аудиозаписей с речью, звуками и музыкой.
Подходит для: подробное описание длинной аудиозаписи · составление сводки аудио с временными метками · описание развития звуковой сцены