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
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
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
Компактная модель VITS из проекта MMS, которая синтезирует речь на телугу по входному тексту.
Подходит для: озвучивание текстов на телугу · создание голосовых ответов на телугу · генерация аудиоверсий сообщений и объявлений
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
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
Сквозная аудиоязыковая модель Liquid AI для голосовых диалогов в реальном времени, распознавания речи и синтеза речи.
Подходит для: голосовой диалог с ассистентом в реальном времени · распознавание английской речи в аудио · преобразование текста в речь
Компактная дообученная текстовая модель для создания специализированных агентов, преобразующих команды пользователя в вызовы функций.
Подходит для: преобразование команд в вызовы функций приложения · управление функциями Android по текстовой команде · обработка команд для логики интерактивной игры
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
Аудиоязыковая модель примерно на 8 млрд параметров для голосовых вопросов и ответов, понимания речи и речевого вызова функций на английском и китайском языках.
Подходит для: ответы на вопросы, заданные голосом · понимание содержания аудиозаписей · выполнение голосовых инструкций
Локальный мультимодальный ассистент SurgeFF на базе Gemma 4 12B для диалогов, рассуждений, кода и анализа текста, изображений, аудио и видео.
Подходит для: ответы на вопросы и ведение диалогов с локальным ассистентом · анализ изображений и видеоматериалов · понимание аудиовхода
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
Дообученная на базе Llama 3.3 70B модель для диалоговых агентов, которые выбирают инструменты и вызывают функции в многошаговых сценариях.
Подходит для: выбор инструмента по запросу пользователя · вызов функций из диалогового ассистента · многошаговая автоматизация рабочих процессов
Казахская модель VITS для синтеза речи из текста в рамках проекта MMS от Meta.
Подходит для: озвучивание казахских текстов · создание казахской речи для аудиогидов · генерация голосовых сообщений на казахском языке
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
Компактная дообученная модель Qwen2.5 для вызова функций и создания локальных агентных приложений.
Подходит для: вызов функций по запросу пользователя · выбор подходящего инструмента для агента · построение локального агента на устройстве
OpenF5 TTS Base — альфа-модель синтеза английской речи с клонированием голоса zero-shot, предназначенная также для дальнейшего дообучения.
Подходит для: синтез речи из английского текста · клонирование голоса по аудиопримеру · создание озвучки для творческих проектов
Экспериментальная мультимодальная версия Gemma 4 E4B Instruct с уменьшенным числом отказов, предназначенная для диалоговой генерации ответов.
Подходит для: диалоговая генерация ответов с уменьшенным числом отказов · анализ изображений в диалоговом интерфейсе · обработка аудио в мультимодальных сценариях
Небольшая LLaMA-подобная языковая модель для генерации диалоговых ответов в задачах технической поддержки.
Подходит для: ответы на обращения пользователей в службе технической поддержки · создание чат-бота первой линии поддержки · генерация диалоговых ответов по типовым техническим вопросам
Производная модели XiaomiMiMo/MiMo-Audio-7B-Instruct. 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
Небольшая языковая модель Vaayu, обученная с нуля для локальной генерации структурированных вызовов инструментов и интеграции через MCP.
Подходит для: генерация вызовов инструментов по JSON-схемам · формирование JSON-RPC запросов для локальных сервисов · подключение языковой модели к MCP-серверам
Модель Anyreach AI анализирует стереоаудио разговора и в реальном времени оценивает активность речи, будущие реплики и завершение хода для пользователя и агента.
Подходит для: определение, кто говорит в каждом кадре диалога · обнаружение пауз и завершения реплики пользователя · прогнозирование скорого начала речи пользователя или агента
Компактная дообученная модель Qwen3 для лаконичного вызова функций и выбора инструментов в диалоговых приложениях.
Подходит для: автоматизация обращений в службу поддержки с вызовом инструментов · поиск данных о заказах и создание тикетов через функции · выбор одного или нескольких инструментов по запросу пользователя
Компактная диалоговая LFM2-модель с намеренно удалённым направлением отказов, предназначенная для генерации ответов и вызова инструментов.
Подходит для: диалоговые ответы на запросы пользователя · эксперименты с поведением модели при сниженной склонности к отказам · создание прототипа чат-бота с вызовом инструментов