Англоязычная модель NVIDIA на базе FastConformer-RNNT для офлайн- и потоковой транскрибации монофонического аудио.
Подходит для: офлайн-транскрибация английских аудиозаписей · потоковая расшифровка речи с настраиваемой задержкой · распознавание английской речи в звонках и встречах
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
ParakeetKit Pro — набор моделей Argmax Inc. для распознавания речи из аудио через Argmax Pro SDK.
Подходит для: транскрибирование записей речи · распознавание речи на устройстве с поддержкой Argmax Pro SDK · преобразование аудио в текст в приложениях на Core ML
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
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
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
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
Конвейер pyannote для определения говорящих и временных границ их речи в аудиозаписях, с поддержкой эксклюзивной диаризации и локальной работы.
Подходит для: разметка говорящих в интервью и подкастах · определение смены говорящих в записях совещаний · подготовка временных меток говорящих для транскрипта
Ускоренная мультиязычная модель OpenAI для распознавания речи и перевода аудио в текст.
Подходит для: расшифровка аудиозаписей на разных языках · субтитры и текстовые расшифровки видеозаписей · перевод речи на английский язык
Дообученная wav2vec2-модель для транскрибации нидерландской речи в текст.
Подходит для: транскрибация записей на нидерландском языке · распознавание речи из Common Voice · преобразование нидерландской речи в текст без языковой модели
Модель распознаёт индонезийскую, яванскую и сунданскую речь и преобразует аудио в текст.
Подходит для: транскрибирование записей на индонезийском языке · распознавание яванской речи · распознавание сунданской речи
Модель Facebook на архитектуре wav2vec 2.0 для транскрибирования английской речи из аудио с частотой 16 кГц.
Подходит для: транскрибирование английских аудиозаписей · распознавание английской речи из файлов с частотой 16 кГц · получение текстовых расшифровок записей 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
Модель wav2vec2 для преобразования арабской речи в текст, дообученная на Common Voice 6.1 и Arabic Speech Corpus.
Подходит для: транскрибирование записей арабской речи · распознавание арабской речи в аудиофайлах · создание субтитров к арабским аудиозаписям
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 wav2vec2-модель распознаёт греческую речь и преобразует аудио с частотой 16 кГц в текст.
Подходит для: транскрибация записей на греческом языке · распознавание греческой речи в аудиофайлах · подготовка текстовых субтитров для греческой речи
Модель Wav2Vec2 распознаёт китайскую речь в аудиозаписях и преобразует её в текст.
Подходит для: распознавание китайской речи в аудиозаписях · транскрибация китайских голосовых сообщений · получение текстовой расшифровки китайских записей Common Voice
Parakeet TDT-CTC 110M — англоязычная модель NVIDIA NeMo и Suno.ai для быстрого преобразования речи в текст с пунктуацией и заглавными буквами.
Подходит для: транскрибация англоязычных аудиозаписей · распознавание речи в длинных записях до 20 минут за проход · пакетная расшифровка коллекции аудиофайлов
Мультиязычная модель Mistral AI для потоковой транскрипции речи с низкой задержкой.
Подходит для: транскрипция речи в прямом эфире · субтитры для потокового аудио · распознавание речи в веб-приложениях
Дообученная Wav2Vec2-модель для автоматической транскрипции речи на венгерском языке.
Подходит для: транскрибация записей на венгерском языке · распознавание венгерской речи в аудиофайлах · создание текстовых субтитров к венгерской речи
Офлайн-модель NVIDIA для разметки временных сегментов речи и определения активности до четырёх говорящих в аудиозаписях.
Подходит для: разделение реплик участников на записи встречи · определение говорящих в телефонных разговорах · диаризация интервью и подкастов
Мультиязычная модель OpenAI для транскрибирования речи и перевода аудио на английский язык.
Подходит для: транскрибирование русскоязычных аудиозаписей · расшифровка интервью и лекций · распознавание речи в аудио с фоновым шумом или акцентами
Whisper large-v3 — мультиязычная модель OpenAI для транскрибации речи и перевода аудио в текст.
Подходит для: транскрибация аудиозаписей на разных языках · распознавание речи в аудио с фоновым шумом и акцентами · перевод речи на английский язык