Модель классифицирует аудиозаписи речи как подлинные или поддельные для обнаружения голосовых дипфейков и спуфинга.

Подходит для: проверка подлинности голосовой записи · обнаружение синтетической речи и голосовых дипфейков · выявление подмены голоса в аудиозаписях

DF Arena 1B — аудиоклассификатор для выявления синтезированной и поддельной речи по короткому фрагменту записи.

Подходит для: проверка, является ли голосовая запись подлинной · обнаружение синтезированной речи в аудиопотоке · выявление подмены голоса в телефонных записях

MiniMax H3 — мультимодальная генеративная модель MiniMax для создания коротких видео со стереозвуком по тексту, изображениям, видео и аудио.

Подходит для: создание видео по текстовому описанию · анимация изображения с заданным первым или последним кадром · генерация ролика по первому и последнему кадрам

Конверсия MMS-300M для принудительного выравнивания текста с речью и определения временных границ произнесённых слов.

Подходит для: выравнивание текста стенограммы с аудиозаписью · определение временных границ слов в речи · создание временных меток для субтитров

Модель pyannote извлекает голосовые эмбеддинги для распознавания, идентификации и верификации говорящих.

Подходит для: сравнение голосов для проверки личности говорящего · идентификация говорящего по аудиозаписи · извлечение признаков голоса для последующей кластеризации говорящих

Дообученная на VoxCeleb1 модель WavLM для извлечения голосовых признаков и проверки личности говорящего по речи.

Подходит для: проверка, принадлежит ли запись заданному человеку · сопоставление голосов в двух аудиозаписях · извлечение голосовых эмбеддингов для идентификации говорящего

TRELLIS.2-4B создаёт детализированные 3D-ассеты с PBR-материалами по одному изображению.

Подходит для: создание 3D-модели объекта по фотографии · генерация текстур для заданной 3D-сетки · подготовка детализированных 3D-ассетов для визуализации

Дистиллированная модель Alibaba для быстрой генерации изображений по текстовым описаниям с поддержкой английского и китайского текста на изображениях.

Подходит для: создание фотореалистичных изображений по описанию · генерация иллюстраций по текстовому запросу · создание изображений с надписями на английском или китайском

TRELLIS Image Large создаёт 3D-объекты по входному изображению.

Подходит для: создание 3D-модели объекта по изображению · преобразование концепт-арта в трёхмерный объект · подготовка 3D-объектов для визуализации

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

Stable Diffusion v1.5 — латентная диффузионная модель для создания и редактирования изображений по текстовым запросам.

Подходит для: создание иллюстраций по текстовому описанию · генерация концепт-арта для творческих проектов · подготовка визуальных идей и дизайн-макетов

Модель HuBERT Large, дообученная на 960 часах LibriSpeech, распознаёт английскую речь в аудио с частотой дискретизации 16 кГц.

Подходит для: транскрибирование англоязычных аудиозаписей · распознавание речи из аудио с частотой 16 кГц · создание текстовых расшифровок лекций и выступлений на английском

Дистиллированный LoRA-вариант Qwen-Image-2.1 для быстрой генерации изображений по тексту и редактирования по инструкциям с референсами.

Подходит для: создание изображения по текстовому описанию за несколько шагов · редактирование изображения по текстовой инструкции · создание вариаций изображения с одним или несколькими референсами

AASIST3 классифицирует аудио как подлинную или поддельную речь для выявления речевых дипфейков и атак подмены голоса.

Подходит для: проверка аудиозаписи на синтетическую речь · обнаружение подмены голоса в аудиопотоке · анализ подозрительных телефонных звонков

Компактная модель Black Forest Labs для быстрой генерации изображений по тексту и редактирования изображений с несколькими референсами.

Подходит для: создание изображений по текстовому описанию · редактирование изображения по текстовой инструкции · изменение изображения с использованием нескольких референсов

Мультимодальная модель Qwen с 2 млрд параметров для диалогов, понимания изображений, рассуждений и вызова инструментов.

Подходит для: ответы на вопросы по изображению · диалоговый помощник с текстовым и визуальным вводом · вызов инструментов в агентных сценариях

sanoTTS — семейство малых дистиллированных моделей Ampixa для локального синтеза речи, включая запуск в браузере и на микроконтроллерах.

Подходит для: озвучивание коротких текстов на встраиваемом устройстве · локальное преобразование текста в речь без облачного сервиса · синтез речи в браузере через WASM

Дообученная wav2vec 2.0 модель преобразует английскую речь в последовательности фонем IPA для фонетического анализа и последующей обработки.

Подходит для: преобразование английской речи в последовательность фонем · получение фонетической транскрипции для синтеза речи · анализ произношения на материале, похожем на LJSpeech

Англоязычная модель эмбеддингов на базе BGE, дообученная для семантического сопоставления текстов и рекомендаций курсов.

Подходит для: семантический поиск подходящих курсов по описанию интересов · ранжирование курсов по сходству с запросом пользователя · поиск похожих описаний учебных программ

Модель на базе Wav2Vec2 классифицирует аудио, чтобы выявлять поддельную синтетическую речь.

Подходит для: выявление deepfake-речи в аудиозаписях · проверка голосовых сообщений на синтетическое происхождение · классификация аудио для систем обнаружения подделок

Модель Microsoft на основе WavLM формирует голосовые эмбеддинги для проверки личности говорящего по аудио с частотой 16 кГц.

Подходит для: сравнение голосов для проверки личности говорящего · верификация пользователя по голосу · извлечение голосовых эмбеддингов из речевых записей

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 модель WeSpeaker на базе ResNet34 создаёт эмбеддинги голоса для верификации говорящего и диаризации аудио.

Подходит для: сравнение голосов для проверки личности говорящего · группировка фрагментов аудиозаписи по говорящим · извлечение голосовых эмбеддингов для поиска похожих голосов

Wan2.2-Animate-14B переносит движения и выражения из видео на персонажа с заданного изображения для анимации или замены в видео.

Подходит для: анимация персонажа по исходному видео · замена персонажа в видеоролике · перенос мимики и движений на персонажа с изображения