Kokoro-82M — компактная многоязычная модель синтеза речи с несколькими голосами для локальных приложений и сервисов.

Подходит для: озвучивание текста в приложениях · создание аудиоверсий статей и документов · генерация речи для голосовых интерфейсов

Модель настраивает совместимый с Kokoro-82M голосовой пакет по короткому образцу речи для последующего синтеза речи с клонированным голосом.

Подходит для: создание голосового профиля по записи одного говорящего · клонирование английского голоса для озвучивания нового текста · настройка тембра речи в Kokoro-82M

Многоязычный речевой энкодер Conformer для извлечения признаков из аудио и последующей настройки моделей распознавания речи или классификации звука.

Подходит для: извлечение речевых эмбеддингов из аудиозаписей · подготовка энкодера для дообучения распознавания речи · подготовка признаков для классификации аудио

Диалоговая MoE-модель на 35 млрд параметров для генерации текста, агентного программирования и работы с инструментами.

Подходит для: генерация и объяснение программного кода · поиск и исправление ошибок в репозиториях · выполнение задач разработки через агентные инструменты

Конверсия Whisper base.en в формат CTranslate2 для распознавания английской речи, в том числе через faster-whisper.

Подходит для: расшифровка английских аудиозаписей · создание субтитров к англоязычному видео · преобразование английской речи в текст в приложениях на CTranslate2

Ling-3.0-flash — разговорная гибридная MoE-модель Inclusion AI для генерации текста, программирования и многошаговых агентных задач с длинным контекстом.

Подходит для: генерация и исправление программного кода · выполнение многошаговых задач кодового агента · ответы на вопросы и следование инструкциям

Базовая корейская модель ALBERT для предсказания замаскированных токенов и задач понимания текста.

Подходит для: предсказание пропущенных слов в корейском тексте · изучение контекстных представлений корейских слов · дообучение модели для задач понимания корейского языка

Модель FastConformer CTC от NVIDIA NeMo и Suno.ai распознаёт английскую речь и преобразует аудио в текст.

Подходит для: транскрибация записей английской речи · расшифровка телефонных разговоров на английском · пакетная обработка аудиозаписей

Семейство Conformer-моделей для распознавания речи, особенно подходящее для русского, казахского, кыргызского и узбекского языков.

Подходит для: транскрибация русскоязычных аудиозаписей · распознавание казахской речи · распознавание кыргызской речи

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

CLM-v0.1-8B — контрастивная модель на базе Qwen3-8B для ранжирования кандидатов и оценки вариантов действий в агентных сценариях.

Подходит для: ранжирование вариантов решения задачи программирования · выбор подходящего инструмента для агента · оценка возможных следующих действий агента

Предварительно обученная на английской речи модель Wav2Vec2-Conformer, предназначенная для дообучения под распознавание речи.

Подходит для: дообучение базовой модели для транскрибации английской речи · создание речевых представлений для последующей системы распознавания речи · эксперименты с распознаванием речи на данных LibriSpeech

Локально развёртываемая корейско-английская языковая модель для корпоративных диалогов и генерации вызовов инструментов.

Подходит для: корейско-английские корпоративные диалоги · генерация вызовов веб-поиска для приложения · формирование запросов на поиск по внутренним документам

Гибридная MoE языковая модель IBM для диалоговых ассистентов, задач с текстом и кодом и вызова инструментов.

Подходит для: суммаризация документов · ответы на вопросы по внутренним документам с RAG · извлечение и классификация текста

Небольшая модель NVIDIA на базе Conformer-CTC для транскрибации английской речи из монофонических аудиозаписей.

Подходит для: транскрибация английской речи из WAV-файлов · пакетная расшифровка аудиозаписей · создание субтитров и текстовых расшифровок на английском

Конверсия Distil-Whisper Large v3 в формат CTranslate2 для распознавания речи через faster-whisper и другие совместимые проекты.

Подходит для: расшифровка аудиозаписей в текст · распознавание речи в приложениях на faster-whisper · транскрибирование англоязычных аудиофайлов

Мультимодальная модель KRAFTON для распознавания, понимания и генерации речи на английском и корейском языках.

Подходит для: распознавание английской и корейской речи · синтез речи из текста на английском и корейском · ответы на вопросы по аудиозаписи

Локальная русскоязычная модель Kokoro-82M для быстрого синтеза речи с тремя голосами и поддержкой ONNX.

Подходит для: озвучивание русского текста на CPU без GPU · создание локальной озвучки для приложений и устройств · генерация речи несколькими русскими голосами

Базовая разреженная MoE-модель Arcee AI для генерации текста, исследований предобучения и последующего дообучения.

Подходит для: исследование поведения языковой модели после масштабного предобучения · изучение маршрутизации и балансировки экспертов MoE · зондирование и интерпретируемость языковой модели

Текстовая MoE-модель для генерации текста и кода, агентных задач и работы с инструментами с удалённым поведением отказа.

Подходит для: генерация и отладка программного кода · автоматизация задач программирования агентом · генерация ответов в диалоговом интерфейсе

Корейская wav2vec2-conformer модель для транскрибирования речи с орфографической записью текста.

Подходит для: транскрибирование корейской речи · получение орфографической расшифровки аудиозаписей · распознавание корейской речи в коротких аудиофрагментах

Мультимодальная медицинская модель на базе Gemma 3 4B IT для диалогов и ответов по изображениям, дообученная с учётом разногласий между разметчиками.

Подходит для: диалоговые ответы на медицинские изображения · анализ медицинских изображений с текстовым запросом · обсуждение медицинских случаев на английском языке

X-Codec2 — нейронный кодек, который превращает речь и аудио в семантические и акустические токены для систем синтеза и генерации аудио на базе LLM.

Подходит для: кодирование речи для передачи в LLM-конвейер синтеза · извлечение аудиопризнаков для моделирования речи · представление тембра и просодии в генерации аудио

Компактная языковая модель Spark-X2.5 на 1,7 млрд параметров для диалога, программирования, перевода и агентных задач с контекстом до 1 млн токенов.

Подходит для: диалог и ответы на повседневные вопросы · написание и редактирование текстов · перевод между естественными языками