Дообученная Wav2Vec2-модель для распознавания японской речи в аудио с частотой дискретизации 16 кГц.
Подходит для: транскрибация японской речи из аудиозаписей · распознавание японской речи в голосовых сообщениях · создание текстовых расшифровок японских аудиоматериалов
GPT Audio — общедоступная аудиомодель OpenAI с улучшенным декодером для более естественного и стабильного звучания голоса.
Подходит для: распознавание речи в аудиозаписях · работа с аудио в приложениях на базе моделей OpenAI · создание более естественного звучания голоса
Экономичная версия GPT Audio с обновлённым декодером для более естественного и устойчивого звучания голосов.
Подходит для: Распознавание речи
Экспериментальная оптимизированная сборка Stable Audio 3 для генерации музыки и звуков по текстовым описаниям.
Подходит для: создание музыкального фрагмента по текстовому описанию · генерация звуковых эффектов по запросу · создание фоновой музыки заданного жанра и темпа
Модель Stability AI для быстрой генерации и редактирования музыки и звуков по текстовым описаниям.
Подходит для: создание музыкального фрагмента по описанию жанра, настроения и темпа · генерация звуковых эффектов по текстовому запросу · создание аудио заданной длительности
Модель Stability AI генерирует звуковые эффекты переменной длительности по текстовым описаниям на английском языке.
Подходит для: создание звука приближающегося поезда с гудком · генерация фоновых шумов для видеоигр · подготовка звуковых эффектов для видео и анимации
Небольшая модель Stability AI для генерации музыки и редактирования аудио по текстовым описаниям.
Подходит для: создание музыкального фрагмента по текстовому запросу · генерация музыки заданной длительности · продолжение короткой аудиозаписи
Чат-модель Qwen2-Audio для голосового общения и анализа аудио по текстовым инструкциям.
Подходит для: голосовой диалог без текстового ввода · ответы на вопросы по аудиозаписи · анализ речи по пользовательской инструкции
Дистиллированная модель ACE-Step 1.5 XL Turbo генерирует музыку и аудио по текстовому описанию за 8 шагов.
Подходит для: генерация музыкального фрагмента по текстовому описанию · создание фоновой музыки для видео и игр · быстрое создание музыкальных идей и демо
Audio Flamingo 3 — аудиоязыковая модель NVIDIA для анализа речи, звуков и музыки, ответов на вопросы по аудио и голосового диалога.
Подходит для: ответы на вопросы о содержании аудиозаписи · транскрибирование речи · анализ звуковых событий и музыкальных фрагментов
Набор моделей Whisper в формате Core ML для локального распознавания речи и транскрибации на устройствах Apple Silicon.
Подходит для: локальная транскрибация аудиозаписей на устройствах Apple · преобразование речи в текст в приложениях для Apple Silicon · распознавание речи без отправки аудио на сервер
Qwen2-Audio-7B — аудиоязыковая модель на 7 млрд параметров для голосового общения и анализа аудио с текстовыми ответами.
Подходит для: ответы на вопросы по аудиозаписи · анализ аудио по текстовой инструкции · голосовой диалог без предварительного текстового ввода
Stable Audio Open 1.0 — модель Stability AI, которая генерирует короткие звуковые эффекты, полевые записи и музыкальные фрагменты по текстовому описанию.
Подходит для: создание звуковых эффектов по текстовому описанию · генерация фоновых звуков и полевых записей · создание коротких музыкальных фрагментов
Открытая аудиоязыковая модель примерно на 4,6 млрд параметров для распознавания и анализа речи, звуков и музыки с ответами в текстовой форме.
Подходит для: транскрибация аудиозаписей с временными метками · ответы на вопросы по содержанию подкастов, встреч и интервью · краткое изложение аудиозаписей
Конверсия Whisper small в формат CTranslate2 для распознавания речи из аудио, в том числе с помощью faster-whisper.
Подходит для: транскрибация русскоязычных аудиозаписей · расшифровка многоязычных интервью и встреч · преобразование аудио в текст в приложениях на CTranslate2
Базовая латентная диффузионная модель Stability AI для генерации музыки и звуков по англоязычному тексту и последующей тонкой настройки.
Подходит для: создание музыкального фрагмента по текстовому описанию · генерация звукового эффекта по промпту · дообучение модели для генерации аудио в заданном стиле
Модель NVIDIA для подробного описания, расшифровки и временной разбивки длинных аудиозаписей с речью, звуками и музыкой.
Подходит для: подробное описание длинной аудиозаписи · составление сводки аудио с временными метками · описание развития звуковой сцены
Stable Audio 3 Medium — трансформерная диффузионная модель Stability AI для создания и редактирования музыки и звуков по текстовому описанию.
Подходит для: генерация музыкального фрагмента по описанию жанра и настроения · создание звуковых эффектов по текстовому запросу · генерация аудио заданной длительности
Дообученная на польской речи модель wav2vec2 для преобразования аудиозаписей в текст.
Подходит для: транскрибация речи на польском языке · распознавание польской речи в аудиозаписях с частотой 16 кГц · подготовка текстовых расшифровок для материалов Common Voice
Токенизатор Qwen3-TTS кодирует речь в компактные дискретные токены и декодирует их обратно в аудио для речевых систем.
Подходит для: кодирование речи в дискретные токены · декодирование токенов обратно в речь · компактное хранение речевых данных
MLX-версия многоязычной модели NVIDIA Parakeet-TDT-0.6B-v3 для распознавания речи и транскрибации аудио.
Подходит для: транскрибация аудиозаписей на поддерживаемых языках · преобразование русской речи в текст · распознавание речи в диктовке
Конвейер pyannote для определения говорящих и временных границ их речи в аудиозаписях, с поддержкой эксклюзивной диаризации и локальной работы.
Подходит для: разметка говорящих в интервью и подкастах · определение смены говорящих в записях совещаний · подготовка временных меток говорящих для транскрипта
Ускоренная мультиязычная модель OpenAI для распознавания речи и перевода аудио в текст.
Подходит для: расшифровка аудиозаписей на разных языках · субтитры и текстовые расшифровки видеозаписей · перевод речи на английский язык
Дообученная wav2vec2-модель для транскрибации нидерландской речи в текст.
Подходит для: транскрибация записей на нидерландском языке · распознавание речи из Common Voice · преобразование нидерландской речи в текст без языковой модели