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

Экспорт Pocket TTS от Kyutai в GGUF для loom.cpp синтезирует английскую речь из текста с выбором встроенного или дополнительного голоса.

Подходит для: озвучивание английского текста выбранным голосом · создание речевых фрагментов для приложений и прототипов · воспроизводимая генерация речи с фиксированным seed

MOSS-TTS-v1.5 — многоязычная модель OpenMOSS-Team для генерации речи из текста, клонирования голоса и управления паузами и произношением.

Подходит для: синтез речи на нескольких языках из текста · клонирование голоса по аудиореференсу · озвучивание длинных текстов с управлением паузами

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

Многоязычная модель Mistral для синтеза речи из текста с набором предустановленных голосов, экспортированная в GGUF для loom.cpp.

Подходит для: озвучивание текста для голосового агента · генерация английской речи предустановленным голосом · синтез речи на французском, испанском и других поддерживаемых языках

Англоязычная SpeechT5 в формате GGUF синтезирует речь из текста с помощью встроенного HiFi-GAN и поддерживает выбор голоса.

Подходит для: озвучивание английских текстов · создание речи с одним из голосов CMU ARCTIC · генерация воспроизводимой речи с фиксированным seed

Экспортированная в GGUF контрольная точка Matcha-TTS для LJSpeech синтезирует английскую речь из идентификаторов фонем.

Подходит для: синтез английской речи из фонемной последовательности · озвучивание заранее преобразованного в фонемы текста · локальный запуск TTS-модели через loom.cpp

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

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

Экспортированная в GGUF мультиязычная модель OpenMOSS преобразует текст в токены аудиокодека для последующего синтеза речи и клонирования голоса.

Подходит для: синтез речи из текста на поддерживаемом языке · подготовка токенов речи для декодирования в аудио 48 кГц стерео · клонирование голоса по заранее закодированным аудиозаписям

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

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

Компактная мультиязычная модель OpenMOSS для потокового синтеза речи и клонирования голоса, рассчитанная на работу в том числе на CPU.

Подходит для: озвучивание текста в реальном времени · клонирование голоса по эталонной аудиозаписи · генерация речи для локальной демонстрации

Мультиязычная модель OpenMOSS для синтеза речи и клонирования голоса с генерацией стереоаудио 48 кГц.

Подходит для: синтез речи из текста на разных языках · клонирование голоса по аудиореференсу · генерация длинных озвученных текстов с управлением паузами

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

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

Многоязычная модель семейства MOSS-TTS для синтеза речи из текста, включая потоковую генерацию и управление произношением.

Подходит для: озвучивание текста на нескольких языках · создание потоковой речи для голосовых приложений · генерация смешанной китайско-английской речи

TeraTTSv2 ONNX преобразует текст на русском и английском языках в речь с выбором одного из десяти голосовых стилей.

Подходит для: озвучивание русскоязычных текстов · озвучивание англоязычных текстов · потоковая генерация речи для приложений

Набор GGUF-моделей Pocket TTS для локального синтеза речи из текста через llama.cpp на CPU.

Подходит для: локальное озвучивание текста на английском языке · синтез речи на французском, немецком, итальянском, португальском и испанском · озвучивание текста на валлийском с голосом по аудиообразцу

IndexTTS-2.5 — многоязычная модель синтеза речи, которая озвучивает текст голосом из одного образца и позволяет управлять эмоцией и скоростью.

Подходит для: озвучивание текста на китайском, английском, японском, испанском и арабском · клонирование голоса по одному аудиофрагменту · перенос голоса между языками

Немецкая модель синтеза речи голосом Торстена для локального и быстрого преобразования текста в аудио.

Подходит для: озвучивание немецких текстов голосом Торстена · локальная офлайн-озвучка немецких предложений · синтез речи на CPU без GPU

Многоязычная модель NVIDIA, которая озвучивает текст пятью голосами на двенадцати языках.

Подходит для: озвучивание книг и статей на нескольких языках · генерация реплик для голосового агента · дубляж и локализация видеоконтента

Компактная модель Kokoro-82M преобразует текст в речь и подходит для быстрого и экономичного синтеза аудио.

Подходит для: озвучивание текста на английском языке · генерация аудио для приложений и личных проектов · быстрое преобразование текста в речь при ограниченных вычислительных ресурсах

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