Мультиязычный классификатор OpenVoiceOS определяет одно из 210 намерений в пользовательской фразе для маршрутизации команд голосового помощника.

Подходит для: определение намерения голосовой команды · маршрутизация команд умного дома · классификация запросов голосового помощника на разных языках

OmniVoice — многоязычная модель преобразования текста в речь с клонированием голоса и настройкой его характеристик.

Подходит для: озвучивание текста на разных языках · клонирование голоса по короткой аудиозаписи · создание голоса по заданным характеристикам

Конвертированная в GGUF F16 модель Qwen3-ASR-0.6B от OpenVoiceOS для распознавания речи на CPU и периферийных устройствах.

Подходит для: расшифровка аудиозаписей в текст · распознавание речи на CPU без специализированного ускорителя · локальная транскрибация на периферийном устройстве

MOSS-TTS-v1.5 — многоязычная модель OpenMOSS-Team для генерации речи из текста, клонирования голоса и управления паузами и произношением.

Подходит для: синтез речи на нескольких языках из текста · клонирование голоса по аудиореференсу · озвучивание длинных текстов с управлением паузами

Компактная мультиязычная модель OpenMOSS для потокового синтеза речи и клонирования голоса, рассчитанная на работу в том числе на CPU.

Подходит для: озвучивание текста в реальном времени · клонирование голоса по эталонной аудиозаписи · генерация речи для локальной демонстрации

PersonaPlex — дообученная NVIDIA модель для потоковых англоязычных голосовых диалогов с одновременным распознаванием речи и генерацией ответа.

Подходит для: создание голосового ассистента с быстрым чередованием реплик · голосовое обслуживание клиентов · диалоги с перебиваниями и одновременной речью

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

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

Экспорт Qwen3-TTS-12Hz-0.6B-Base в GGUF F16 для синтеза речи на совместимых устройствах и CPU.

Подходит для: озвучивание текста на русском языке · синтез речи для приложений на английском языке · генерация голосовых ответов на китайском языке

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

MioTTS-2.6B — дообученная LLM для быстрого синтеза английской и японской речи с возможностью клонирования голоса по короткому аудиообразцу.

Подходит для: озвучивание английского текста · озвучивание японского текста · клонирование голоса по короткой аудиозаписи

Мультиязычная модель OpenMOSS для синтеза речи и клонирования голоса с генерацией стереоаудио 48 кГц.

Подходит для: синтез речи из текста на разных языках · клонирование голоса по аудиореференсу · генерация длинных озвученных текстов с управлением паузами

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

Orpheus 3B — англоязычная Llama-модель CanopyAI для выразительного синтеза речи, потокового озвучивания и клонирования голоса.

Подходит для: озвучивание текста естественным голосом · потоковая генерация речи в реальном времени · управление эмоциями и интонацией в синтезированной речи

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

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

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

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

Компактная ONNX-модель для быстрого синтеза вьетнамской речи на слабых CPU и периферийных устройствах.

Подходит для: локальный синтез вьетнамской речи на Android · озвучивание текста на слабом CPU или ARM-плате · быстрая генерация речевых подсказок на устройстве

Многоязычная CTC-модель OWSM-CTC v4 распознаёт речь и поддерживает перевод речи и определение языка.

Подходит для: распознавание речи в аудиозаписях · перевод речи между языками · определение языка по аудиозаписи

Локальная русскоязычная модель Kokoro-82M для быстрого синтеза речи с тремя голосами и поддержкой ONNX.

Подходит для: озвучивание русского текста на CPU без GPU · создание локальной озвучки для приложений и устройств · генерация речи несколькими русскими голосами

VoxCPM1.5 — модель OpenBMB для выразительного синтеза речи из текста и клонирования голоса по короткому аудиофрагменту.

Подходит для: озвучивание текста на китайском и английском · создание выразительной речи с интонацией по смыслу текста · клонирование голоса по короткому образцу речи

Англоязычная модель ESPnet JETS в формате ONNX для преобразования текста в речь.

Подходит для: озвучивание английского текста в приложении · создание аудиоверсий текстового контента · добавление синтеза речи в конвейер txtai

Многоязычная модель синтеза речи OmniVoice в формате MLX bfloat16 для локального запуска и клонирования голоса на Apple Silicon.

Подходит для: локальная озвучка текста на устройствах Apple Silicon · создание многоязычной речи по тексту · клонирование голоса по образцу