Диффузионная MoE-модель Wan-AI для генерации примерно пят секунд видео в разрешении 480p или 720p по текстовому описанию.

Подходит для: создание коротких видеороликов по текстовому промпту · генерация сцен со сложным движением · создание видео с заданной композицией и освещением

Квантованный вариант YuE2-3B для генерации вокальных песен и музыкального сопровождения по стилю и тексту песни.

Подходит для: создание песни по заданному тексту и описанию музыкального стиля · генерация вокала с музыкальным сопровождением · быстрое локальное создание музыкальных демо на совместимом GPU

Это конвейер Diffusers на основе Wan2.2-S2V-14B для генерации видео по изображению и промпту, с базовой аудиоуправляемой анимацией персонажей.

Подходит для: создание видео с анимированным персонажем по исходному изображению · генерация клипа по изображению и текстовому описанию сцены · создание синхронизированной с речью анимации лица и тела

Диалоговая языковая модель Nanbeige с ARA-LoRA, настроенная на снижение частоты отказов и генерацию текста.

Подходит для: диалоговые ассистенты с меньшим числом отказов · генерация текста и ответы на запросы · агентные сценарии с вызовом инструментов

Wan2.1-VACE-14B — диффузионная модель Wan-AI для генерации и редактирования видео с опорой на изображения и текстовые подсказки.

Подходит для: создание видео на основе исходного изображения · редактирование и преобразование видеоматериала · генерация видео по текстовым подсказкам с визуальными входными данными

Многоязычная модель распознавания речи Whisper от Nyra Labs, которая создаёт дословные или отредактированные транскрипции и временные метки слов.

Подходит для: дословная расшифровка разговоров с повторами и словами-паразитами · подготовка отредактированной расшифровки с нормализованными датами и числами · расстановка временных меток начала и конца каждого слова

Причинный аудиотокенизатор WavCoch извлекает коклеаграммные признаки из волнового сигнала и поддерживает обратное декодирование в аудио встроенным вокодером.

Подходит для: извлечение признаков из аудиоволны · получение коклеаграммных представлений речи и звука · анализ эмбеддингов аудио при зондировании модели

Дообученная Whisper-small модель LAION, которая описывает текстом неречевые вокализации в коротких аудиофрагментах.

Подходит для: создание подписей к смеху и вздохам в аудиозаписях · описание криков, плача и кашля в звуковых клипах · разметка неречевых вокальных событий в аудиоархивах

Модульный конвейер Wan2.2 VACE для генерации видео по тексту с управлением через видео, маску и эталонные изображения.

Подходит для: генерация видео по текстовому описанию · изменение заданных областей управляющего видео по маске · генерация видео с опорой на эталонные изображения

Базовая музыкальная модель ACE-Step 1.5 XL генерирует музыку по текстовому описанию и поддерживает редактирование и дополнение аудио.

Подходит для: создание музыкального трека по текстовому описанию · создание кавера на основе аудио · перерисовка выбранного фрагмента музыкального трека

Мультимодальная модификация Gemma 4 для диалогов и анализа изображений с уменьшенной частотой отказов.

Подходит для: ответы на вопросы по изображениям в диалоге · описание и анализ визуальных материалов · мультимодальный чат с текстовыми запросами

Квантованная до 2 бит чат-сборка DeepSeek-V4-Flash для многоязычных диалогов, рассуждений и задач по коду.

Подходит для: ведение многоязычных диалогов · ответы на вопросы по исходному коду · анализ кода и рассуждения по тексту

Модель Wan2.1-Fun для генерации видео по тексту с управлением движением и структурой через Canny, глубину, позы, MLSD или траектории.

Подходит для: создание видео по текстовому описанию с картой границ Canny · генерация видео с заданной последовательностью поз · создание роликов с управлением по карте глубины

Компактная трансформерная модель ItsNotAI LABS для локальной классификации аудио в браузерах и мобильных приложениях.

Подходит для: Классификация аудиосигналов в браузерном приложении · Локальная классификация звука в мобильном приложении · Офлайн-инференс аудиомодели без облачного API

Квантизованная чат-модель DeepSeek V4 Flash для многоязычных диалогов, рассуждений и работы с кодом, требующая DS4 fork для запуска.

Подходит для: многоязычные диалоги на русском, английском, китайском и испанском · ответы на вопросы по исходному коду · объяснение и обсуждение кода в длинном контексте

AuriStream-1B моделирует дискретные речевые токены, извлекает представления аудио и генерирует продолжения речи при совместном использовании с токенизатором WavCoch.

Подходит для: извлечение скрытых представлений из токенизированной английской речи · получение представлений фонемных и словесных сегментов · генерация продолжения речевого потока

Дообученная модель Wav2Vec2 для преобразования речи из аудио в текст.

Подходит для: автоматическая расшифровка аудиозаписей · преобразование устной речи в текст · оценка распознавания речи по CER и WER

Дообученная модель wav2vec2 для преобразования аудиоречи в текст.

Подходит для: транскрибация аудиозаписей · распознавание речи в голосовых сообщениях · преобразование устной речи в текст для последующей обработки

Квантованная в GGUF TurboQuant диалоговая сборка Gemma-4-96E-A4B-Heretic для генерации текста через совместимую ветку llama.cpp.

Подходит для: локальный запуск чат-модели через llama.cpp · генерация ответов в диалоговом интерфейсе · использование режима рассуждений с шаблоном Gemma 4 Interleaved

Дообученная модель Wav2Vec2 для распознавания аудио в наборе AI_LIGHT_DANCE — ONSET-DRUMS.

Подходит для: распознавание аудио из набора AI_LIGHT_DANCE — ONSET-DRUMS · преобразование аудиозаписей в текст · эксперименты с распознаванием речи на Wav2Vec2

Модель MythicInfinity определяет покадрово и для всей записи, заканчивается ли речевое аудио резким обрывом.

Подходит для: проверка речевых записей на обрыв в конце · контроль качества аудиодатасетов перед обучением · валидация загруженных речевых файлов

safetensors: формат, квантизация, runtime и память принадлежат одному artifact

Производная модели Wan-AI/Wan2.1-T2V-1.3B. Wan2.1-T2V-1.3B — диффузионная модель для генерации коротких видео по текстовым запросам, рассчитанная на запуск на потребительских GPU.

Подходит для: создание короткого видеоролика по текстовому описанию · визуализация творческой идеи в формате видео · подготовка видеозаготовок для творческих проектов

Квантованная MLX-версия MiniMax-H3 FastH3 для генерации видео по текстовым запросам на Apple Silicon.

Подходит для: генерация короткого видео по текстовому описанию · создание роликов с синхронизированными визуальными сценами и звуковым окружением · локальный инференс text-to-video на Apple Silicon