Модель Stability AI генерирует звуковые эффекты переменной длительности по текстовым описаниям на английском языке.

Подходит для: создание звука приближающегося поезда с гудком · генерация фоновых шумов для видеоигр · подготовка звуковых эффектов для видео и анимации

Экспериментальная оптимизированная сборка Stable Audio 3 для генерации музыки и звуков по текстовым описаниям.

Подходит для: создание музыкального фрагмента по текстовому описанию · генерация звуковых эффектов по запросу · создание фоновой музыки заданного жанра и темпа

MusicGen Medium — модель Meta AI для создания музыкальных фрагментов по текстовому описанию.

Подходит для: создание фоновой музыки по текстовому описанию · генерация музыкальных фрагментов заданного жанра или настроения · эксперименты с управляемой генерацией музыки

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

Небольшая модель Stability AI для генерации музыки и редактирования аудио по текстовым описаниям.

Подходит для: создание музыкального фрагмента по текстовому запросу · генерация музыки заданной длительности · продолжение короткой аудиозаписи

Модель Stability AI для быстрой генерации и редактирования музыки и звуков по текстовым описаниям.

Подходит для: создание музыкального фрагмента по описанию жанра, настроения и темпа · генерация звуковых эффектов по текстовому запросу · создание аудио заданной длительности

Magenta RealTime 2 — модель Google DeepMind для потоковой генерации инструментальной музыки в реальном времени с управлением текстом, аудиоконтекстом и MIDI.

Подходит для: создание музыкального сопровождения во время живого выступления · интерактивная импровизация с управлением текстом и аудиопримером · генерация меняющегося саундтрека для видеоигры

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

YuE2-3B создаёт песни с вокалом и аккомпанементом по тексту и позволяет редактировать композицию через партитуру ABC.

Подходит для: создание песни по тексту и описанию музыкального стиля · генерация вокального трека с инструментальным аккомпанементом · переаранжировка существующей песни в новом стиле

Небольшая VITS-модель, синтезирующая женскую речь на дивехи из текста, записанного письмом тхана.

Подходит для: озвучивание текстов на дивехи женским голосом · создание синтетической речи на дивехи для аудиоконтента · генерация речевых примеров для приложений на дивехи

ACE-Step 1.5 — модель генерации музыки и песен по текстовым описаниям с управлением стилем и инструментами редактирования аудио.

Подходит для: создание песни по текстовому описанию жанра и настроения · генерация музыкальных фрагментов и композиций длительностью до 10 минут · создание музыкального кавера по аудиореференсу

Базовая латентная диффузионная модель Stability AI для генерации музыки и звуков по англоязычному тексту и последующей тонкой настройки.

Подходит для: создание музыкального фрагмента по текстовому описанию · генерация звукового эффекта по промпту · дообучение модели для генерации аудио в заданном стиле

Stable Audio Open 1.0 — модель Stability AI, которая генерирует короткие звуковые эффекты, полевые записи и музыкальные фрагменты по текстовому описанию.

Подходит для: создание звуковых эффектов по текстовому описанию · генерация фоновых звуков и полевых записей · создание коротких музыкальных фрагментов

Higgs Audio v2 Generation 3B Base — модель Boson AI для генерации выразительной речи и аудио по текстовому вводу.

Подходит для: синтез речи из текста · создание озвучки для видео и аудиоконтента · генерация диалогов с несколькими говорящими

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

Модель Canopy Labs на основе Llama для выразительного синтеза английской речи с потоковой генерацией, управлением эмоциями и клонированием голоса.

Подходит для: синтез английской речи для голосовых интерфейсов · потоковое озвучивание текста в реальном времени · создание выразительной речи с заданной эмоцией и интонацией

Немецкоязычная модель Canopy Labs на базе Orpheus и Llama для выразительного синтеза речи, потоковой генерации и клонирования голоса.

Подходит для: озвучивание немецкого текста естественной речью · потоковая генерация речи для приложений с низкой задержкой · управление эмоциями и интонацией речи с помощью тегов

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

Higgs TTS 3 от Boson AI синтезирует выразительную многоязычную речь из текста с управлением подачей и клонированием голоса по образцу.

Подходит для: озвучивание ответов голосового чат-бота · создание многоязычной озвучки для видео и подкастов · синтез речи с заданной эмоцией и темпом

ChatTTS от 2Noise синтезирует речь из текста с настройкой диктора, скорости и выразительных элементов, например смеха.

Подходит для: озвучивание текста разговорной речью · создание аудио с выбранным голосом диктора · настройка скорости синтезированной речи

Базовая трансформерная латентная диффузионная модель Stability AI для генерации звуковых эффектов по английским текстовым описаниям и дообучения.

Подходит для: дообучение модели для генерации звуковых эффектов по тексту · создание звука приближающегося поезда с гудком по описанию · генерация звуков заданной длительности

Дообученная латентная диффузионная модель Stability AI для генерации звуковых эффектов переменной длительности по текстовому описанию.

Подходит для: создание звукового эффекта по текстовому запросу · генерация звука по описанию сцены или события · создание звуков окружения для видео и игр

E2-TTS — модель синтеза речи из текста с поддержкой zero-shot сценария.

Подходит для: синтез речи по тексту · zero-shot озвучивание текста · создание голосового аудио для приложений

Языковая модель ACE-Step на базе Qwen3, которая планирует и направляет генерацию музыки и песен по текстовому запросу.

Подходит для: создание плана песни по текстовому описанию · подготовка текста песни и музыкальных метаданных · генерация музыки по описанию в связке с ACE-Step DiT