F5-TTS — модель для синтеза речи по тексту, доступная в нескольких вариантах чекпойнтов.

Подходит для: озвучивание текстов · создание речевых дорожек для видео · генерация голосовых сообщений

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

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

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

Компактная модель Sopro для потокового синтеза речи и клонирования голоса на четырёх европейских языках.

Подходит для: озвучивание текста на английском, португальском, французском и немецком языках · потоковая генерация речи с низкой задержкой · клонирование голоса по короткому аудиообразцу

CSM 1B от Sesame — модель синтеза английской речи из текста с возможностью учитывать аудиоконтекст.

Подходит для: синтез английской речи из текста · генерация речи с учётом аудиоконтекста · создание разных вариантов голоса для озвучивания

Потоковая модель Kyutai синтезирует английскую и французскую речь из текста с низкой задержкой и поддерживает обусловливание голоса готовыми эмбеддингами.

Подходит для: синтез речи по мере поступления текста · озвучивание диалоговых систем с низкой задержкой · генерация английской речи из текста

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

Модель синтезирует длинные выразительные разговорные аудиозаписи на английском и китайском языках с участием до четырёх говорящих.

Подходит для: создание многосторонних подкастов по текстовому сценарию · озвучивание длинных диалогов несколькими голосами · генерация разговорных аудиоматериалов для исследований синтеза речи

Модель Microsoft для генерации длинной выразительной речи по тексту, включая многосторонние диалоги и подкасты на английском и китайском языках.

Подходит для: создание диалоговых подкастов по сценарию · синтез длинной речи несколькими голосами · озвучивание разговорных сцен на английском языке

Компактная модель Soprano на базе Qwen3 для быстрого синтеза выразительной английской речи из текста.

Подходит для: озвучивание английских текстов в приложении · локальное преобразование текста в речь · потоковая генерация речи для воспроизведения

IndexTTS-2 — авторегрессионная zero-shot модель для синтеза эмоционально выразительной речи с контролем длительности.

Подходит для: синтез выразительной речи из текста · озвучивание текста на английском и китайском языках · генерация речи с управлением длительностью

Компактная модель LuxTTS синтезирует естественную речь по тексту и клонирует голос по образцу с высокой скоростью.

Подходит для: озвучивание текста естественной речью · клонирование голоса по аудиообразцу · быстрая локальная генерация 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

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

Однодикторный вокодер HiFi-GAN от SpeechBrain преобразует спектрограммы в речевую волну для синтеза английской речи.

Подходит для: преобразование мел-спектрограммы в речь · восстановление аудиоволны после акустической модели TTS · сборка конвейера синтеза английской речи на основе LJSpeech

Orpheus 3B 0.1 Finetuned — Llama-based Speech-LLM для выразительного синтеза английской речи, потокового озвучивания и клонирования голоса.

Подходит для: потоковое озвучивание текста в реальном времени · генерация естественной речи для диалоговых приложений · озвучивание текста с заданной эмоцией и интонацией

Kokoro-82M — компактная многоязычная модель синтеза речи с несколькими голосами для локальных приложений и сервисов.

Подходит для: озвучивание текста в приложениях · создание аудиоверсий статей и документов · генерация речи для голосовых интерфейсов

Преобразованная в формат MLX английская модель Orpheus от Canopy Labs для синтеза речи из текста.

Подходит для: озвучивание английских текстов · создание голосовых сообщений из текста · генерация MP3 с голосом tara

Базовая англоязычная модель CanopyAI на архитектуре Llama для синтеза речи и дообучения под задачи клонирования голоса.

Подходит для: синтез английской речи по тексту · создание выразительной речи с естественной интонацией · клонирование голоса по аудиообразцу без отдельного дообучения

Потоковая модель Nari Labs для синтеза английской диалоговой речи с возможностью аудиообусловленной генерации.

Подходит для: потоковая озвучка текста на английском языке · генерация реплик для диалоговых приложений с низкой задержкой · синтез разговорной речи с аудиообусловливанием

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

Многоязычная MLX-модель OpenBMB для синтеза речи, клонирования голоса по аудиообразцу и создания голоса по текстовому описанию.

Подходит для: озвучивание текста на нескольких языках · клонирование голоса по короткой записи · создание голоса по текстовому описанию