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

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

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

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

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

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

Higgs TTS 3 от Boson AI синтезирует выразительную многоязычную речь из текста с управлением подачей и клонированием голоса по образцу.

Подходит для: озвучивание ответов голосового чат-бота · создание многоязычной озвучки для видео и подкастов · синтез речи с заданной эмоцией и темпом

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

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

Двуязычная модель Breeze для потокового синтеза английской и китайской речи, клонирования голоса и управления его подачей.

Подходит для: озвучивание английского текста с потоковой выдачей аудио · озвучивание китайского текста · клонирование голоса по аудиозаписи и точной расшифровке

Higgs Audio v3 TTS (4B) — модель синтеза речи по тексту на базе Qwen3-4B с поддержкой эталонного аудио и выходом в виде монофонической волны 24 кГц.

Подходит для: синтез речи по тексту · создание озвучки с голосом, заданным эталонным аудио · генерация монофонической речи с частотой 24 кГц

Dia — англоязычная модель Nari Labs для реалистичного синтеза диалоговой речи с управлением голосом и эмоциями по аудиоусловию.

Подходит для: синтез английских диалогов с двумя говорящими · озвучивание текста выразительной речью · клонирование голоса по образцу аудио

Многоязычная трансформерная модель Zyphra для синтеза выразительной речи, клонирования голоса и управления звучанием по тексту и аудиореференсу.

Подходит для: синтез речи на английском, японском, китайском, французском и немецком языках · клонирование голоса по короткой записи говорящего · генерация речи с заданными темпом и высотой тона

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

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

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

Локальная модель Neuphonic для синтеза естественно звучащей речи из текста с клонированием голоса по короткому аудиообразцу.

Подходит для: озвучивание текста голосом из короткого образца речи · клонирование голоса для локального голосового помощника · синтез реплик для мобильных и встроенных приложений

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

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

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

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

XTTS-v2 от Coqui синтезирует многоязычную речь и клонирует голос по короткому аудиофрагменту.

Подходит для: озвучивание текста на одном из 17 поддерживаемых языков · клонирование голоса по короткой записи · перенос голоса на другой язык

Многоязычная модель Mistral для быстрого синтеза выразительной речи из текста в голосовых агентах и других приложениях.

Подходит для: синтез речи для голосового помощника · озвучивание ответов голосового агента в контакт-центре · генерация речи на нескольких языках

Модель настраивает совместимый с Kokoro-82M голосовой пакет по короткому образцу речи для последующего синтеза речи с клонированным голосом.

Подходит для: создание голосового профиля по записи одного говорящего · клонирование английского голоса для озвучивания нового текста · настройка тембра речи в Kokoro-82M