SheetSage2 преобразует музыкальные записи в редактируемые партитуры с мелодией, аккордами, долями и тональностью и позволяет экспортировать результат в ABC или MIDI.

Подходит для: транскрипция мелодии и аккордов из полной песни · создание ABC-партитуры по аудиозаписи · получение MIDI с нотами и временными отметками

Supertonic 3 — компактная модель Supertone для локального синтеза речи из текста на 31 языке.

Подходит для: локальная озвучка аудиокниг · генерация речи для новостей и объявлений · озвучивание диалогов персонажей

SpecTTTra-α-5s классифицирует аудиофрагменты песен как синтетические или созданные человеком.

Подходит для: проверка песни на генерацию искусственным интеллектом · выявление синтетических музыкальных композиций · анализ аудиофрагментов для модерации музыкального контента

Модель классифицирует песни как подлинные или синтетические, помогая выявлять полностью сгенерированную ИИ музыку.

Подходит для: проверка песни на генерацию искусственным интеллектом · поиск синтетических музыкальных записей в каталоге · предварительная проверка подлинности пользовательских аудиозагрузок

SpecTTTra-β классифицирует аудиозаписи песен, определяя, являются ли они синтетическими или созданными человеком.

Подходит для: выявление полностью сгенерированных AI песен · проверка подлинности музыкальных записей · анализ аудио для обнаружения поддельных песен

Модель классифицирует аудио песен, определяя, создана ли композиция человеком или сгенерирована ИИ.

Подходит для: проверка песни на генерацию ИИ · выявление синтетических вокала и инструментальной музыки · анализ длинного музыкального фрагмента до 120 секунд

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

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

SpecTTTra-β классифицирует короткие аудиофрагменты, определяя, является ли песня синтетической или созданной человеком.

Подходит для: выявление песен, полностью созданных генеративным ИИ · проверка подлинности музыкальных фрагментов длительностью 5 секунд · анализ синтетической музыки для исследований и модерации аудиокаталогов

Модель ACE-Step 1.5 XL SFT генерирует музыку по текстовым описаниям и позволяет управлять точностью следования запросу с помощью CFG.

Подходит для: создание музыкального фрагмента по текстовому описанию · генерация музыки с заданным настроением или стилем · управление соответствием музыкальной генерации текстовому запросу

MLX-адаптация YuE2-3B для генерации песен с вокалом и аккомпанементом по тексту на Apple Silicon.

Подходит для: создание песни с вокалом по текстовому описанию · генерация музыкального аккомпанемента · редактирование композиции через партитуру ABC

Supertonic — компактная ONNX-модель Supertone для быстрого локального синтеза речи из текста.

Подходит для: локальная озвучка текста в приложении · генерация речи в браузере · пакетная озвучка текстов на сервере

SoulX-Singer синтезирует реалистичное пение голосами новых исполнителей с управлением мелодией, нотами MIDI, ритмом и выразительностью.

Подходит для: создание вокальной партии по тексту и мелодии · синтез пения голосом ранее не встречавшегося исполнителя · генерация вокала с заданным контуром F0

SpecTTTra-γ-5s классифицирует пятсекундные аудиофрагменты, помогая выявлять песни, созданные генеративным ИИ.

Подходит для: проверка музыкального фрагмента на генерацию ИИ · отсев синтетических песен в музыкальном каталоге · анализ происхождения аудиозаписей для модерации

Компактная англоязычная модель owensong для локального синтеза речи фиксированным голосом на CPU или CUDA.

Подходит для: озвучивание английских фраз локально на CPU · генерация речи для приложений и устройств с ограниченными ресурсами · озвучивание длинных английских текстов с разбиением по пунктуации

Англоязычная модель Tacotron2 от SpeechBrain преобразует короткий текст в спектрограмму для последующего синтеза речи вокодером.

Подходит для: синтез речи из короткого английского текста · получение спектрограммы для последующего преобразования в аудио · эксперименты с синтезом речи на базе SpeechBrain

MusicBERT large — BERT-модель для заполнения пропусков и анализа последовательностей символической музыки в формате REMI+BPE.

Подходит для: заполнение пропущенных событий в последовательности MIDI · восстановление замаскированных музыкальных токенов · анализ символических музыкальных последовательностей

Компактная версия Soprano в формате MLX для синтеза речи по тексту и клонирования голоса.

Подходит для: синтез речи из текста · локальная генерация речи на устройствах Apple с MLX · клонирование голоса при использовании исходной модели

Сторонний комплект файлов IndexTTS 2.5 для многоязычного синтеза речи, клонирования голоса и управления эмоциями в ComfyUI и настольном приложении.

Подходит для: синтез речи из текста на нескольких языках · клонирование голоса для озвучивания текста · генерация речи с заданной эмоциональной окраской

FP32-вариант весов SoulX-Singer для Apple Silicon, предназначенный для синтеза и преобразования вокального аудио.

Подходит для: генерация вокала по тексту и заданной мелодии · преобразование звучания вокальной записи · эксперименты с синтезом пения на Apple Silicon

Модель Typhoon AI для быстрого потокового распознавания тайской речи на CPU.

Подходит для: потоковая транскрибация тайской речи в реальном времени · распознавание тайских телефонных разговоров · локальный ASR-сервис для обработки чувствительных аудиозаписей

Конвертированная в MLX версия Spark-TTS на базе Qwen2 для синтеза английской и китайской речи из текста.

Подходит для: озвучивание английского текста · озвучивание китайского текста · локальный синтез речи на устройствах Apple с MLX

Allegro-Music-Transformer — Transformer-модель в формате ONNX для генерации музыки.

Подходит для: создание музыкальных композиций · эксперименты с генерацией музыки в Google Colab · интеграция музыкальной генерации в приложение с поддержкой ONNX

Мультиязычная CTC-модель для распознавания песенных текстов, выравнивания слов и слогов с аудио и анализа вокала в музыкальных миксах.

Подходит для: транскрибация текста песни из полного музыкального микса · выравнивание известных слов песни с аудио по времени · оценка начала слов и слогов в вокальной записи