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

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

Компактная мультимодальная модель Qwen для диалога с текстом, изображениями, аудио и видео с генерацией текстовых и речевых ответов.

Подходит для: голосовой чат с потоковыми ответами · распознавание речи и выполнение голосовых инструкций · ответы на вопросы по изображениям

Ultravox — модель Fixie.ai, которая понимает речь и текст и генерирует текстовые ответы для голосовых агентов, анализа речи и речевого перевода.

Подходит для: создание голосового агента с текстовыми ответами · анализ содержания аудиосообщений · распознавание устной речи

TinyTalk — небольшая англоязычная GPT-Neo-модель для коротких дружелюбных бесед офлайн на микроконтроллерах и других маломощных устройствах.

Подходит для: офлайн-чат-бот для ESP32 или портативного устройства · короткие дружелюбные беседы на простом английском языке · демонстрация запуска языковой модели на микроконтроллере

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

Ultravox v0.5 — речевая языковая модель Fixie.ai, которая понимает аудио и текст и генерирует текст для голосовых агентов, анализа речи и перевода.

Подходит для: создание голосового агента, отвечающего на голосовые сообщения · транскрибирование речи в текст · анализ содержания spoken audio

Компактная англоязычная диалоговая модель BlenderBot для генерации ответов в открытых многоходовых беседах.

Подходит для: создание прототипа англоязычного чат-бота · поддержание многоходового открытого диалога · генерация ответов и вопросов для беседы

Дообученная англоязычная чат-модель на базе Talkie-1930-13B, имитирующая разумную машину с персонажем и манерой общения в стиле стенограммы пьесы.

Подходит для: эксперименты с диалоговым персонажем разумной машины · генерация ролевых ответов с установками, стилизованными под 1930-е годы · изучение влияния SFT и KTO на поведение чат-модели

Полудуплексная по взаимодействию, потоковая голосовая модель Kyutai на базе PersonaPlex, дообученная для более естественных пауз, очередности реплик, подтверждений и обработки перебиваний.

Подходит для: потоковый голосовой диалог с более естественной очередностью реплик · снижение перебиваний пользователя голосовым ассистентом · подбор момента для коротких голосовых подтверждений

Модель VITS из проекта MMS преобразует тайский текст в речь.

Подходит для: озвучивание тайских фраз и предложений · создание тайской речевой дорожки для приложений · генерация аудиоверсий тайских текстов

Компактная модель VITS из проекта MMS, преобразующая текст на каракалпакском языке в речь.

Подходит для: озвучивание текста на каракалпакском языке · создание аудиоверсий каракалпакских материалов · генерация речи для каракалпакского голосового интерфейса

Модель Facebook на архитектуре VITS, преобразующая текст на тигринья в речь.

Подходит для: озвучивание текста на тигринья · создание голосовых сообщений на тигринья · синтез речи для приложений и сервисов на тигринья

Ringg Router E2B — текстовая модель Ringg AI для маршрутизации диалогов, выбора инструментов, проверки условий и извлечения полей в агентных сценариях.

Подходит для: выбор следующего шага в многошаговом голосовом сценарии · маршрутизация звонка по намерению клиента · выбор подходящего инструмента или функции для агента

Компактная модель VITS преобразует таджикский текст в синтезированную речь.

Подходит для: озвучивание таджикских текстов · генерация голосовых сообщений на таджикском языке · создание таджикской аудиоверсии текстового контента

Компактная модель VITS от Meta преобразует текст на языке тикар в синтетическую речь.

Подходит для: озвучивание текстов на языке тикар · создание голосового вывода на тикаре для приложений · синтез речевых образцов на тикаре

FLM-Audio — двусторонняя аудиоязыковая модель для голосового общения, распознавания и синтеза речи на английском и китайском языках.

Подходит для: голосовой диалог с одновременным прослушиванием и ответом · распознавание английской речи · распознавание китайской речи

Модель MLX на базе Chatterbox Turbo генерирует выразительную англоязычную речь из текста и поддерживает клонирование голоса.

Подходит для: синтез англоязычной речи из текста · клонирование голоса для озвучивания текста · добавление выразительных голосовых событий с помощью текстовых тегов

Модель VITS из проекта MMS преобразует текст на языке Takia в синтезированную речь.

Подходит для: озвучивание текста на языке Takia · создание речевых сообщений на Takia · генерация аудиоверсий коротких текстов на Takia

Компактная дообученная VITS-модель синтезирует тайскую речь женским голосом из текста.

Подходит для: озвучивание тайских текстов женским голосом · создание тайской голосовой озвучки для приложений · локальный синтез тайской речи

Дообученная на базе DeepSeek-R1-0528-Qwen3-8B модель Qwen3 для диалоговой генерации текста и голосовых агентов с вызовом инструментов.

Подходит для: создание диалогового агента для голосового интерфейса · генерация ответов в англоязычном чат-боте · генерация ответов в чат-боте на хинди

MiMo-Audio-7B-Instruct — аудиоязыковая модель Xiaomi для понимания аудио, голосового диалога и генерации речи по инструкциям.

Подходит для: транскрибация речи и ответы на вопросы по аудиозаписи · голосовой диалог с ассистентом · синтез речи по тексту и инструкции

Модель RoBERTa классифицирует англоязычные обращения в поддержку как инциденты или запросы на обслуживание.

Подходит для: сортировка обращений клиентов по типу · выделение инцидентов в потоке заявок поддержки · отделение запросов на обслуживание от инцидентов

Слитая разговорная модель на базе Llama для генерации текста и ведения диалога на английском языке.

Подходит для: ведение диалогов на английском языке · генерация ответов в чат-боте · создание связного текста по запросу