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

Англоязычная модель распознавания речи, дообученная для транскрибации высказываний людей с дизартрией.

Подходит для: транскрибация речи людей с дизартрией на английском языке · оценка качества ASR на наборах SAP Challenge · исследование распознавания речи при разных причинах и степенях дизартрии

Дообученная на тайском Common Voice модель wav2vec2 для преобразования тайской речи в текст.

Подходит для: транскрибация тайской речи из аудиозаписей · распознавание тайской речи в корпусах голосовых данных · подготовка текстовых расшифровок для тайских аудиоматериалов

Qwen3-ASR-1.7B — многоязычная модель Qwen для распознавания речи и транскрибации аудио, включая потоковую обработку.

Подходит для: транскрибация русской и многоязычной речи · распознавание речи в потоковом режиме · расшифровка длинных аудиозаписей

Дообученная Parakeet TDT модель распознаёт английскую речь с дизартрией и другими атипичными особенностями.

Подходит для: расшифровка английской речи людей с дизартрией · распознавание речи с атипичной артикуляцией · подготовка текстовых транскриптов для инструментов доступности

Модель на базе Parakeet CTC 0.6B распознаёт английскую дизартрическую и другую нарушенную речь и преобразует её в текст.

Подходит для: транскрибирование речи людей с дизартрией · распознавание речи людей с болезнью Паркинсона · транскрибирование речи людей с БАС

Англоязычная модель распознавания дизартричной речи на базе Parakeet RNN-T для исследований и адаптации под конкретного говорящего.

Подходит для: транскрибация английской речи с дизартрией · распознавание атипичной речи в записях Speech Accessibility Project · расшифровка длинных англоязычных аудиозаписей по фрагментам

Многоязычная модель wav2vec2 для преобразования речи в текст на более чем тысяче языков.

Подходит для: транскрибация аудиозаписей на малоресурсных языках · распознавание речи для многоязычных приложений · создание текстовых расшифровок устных высказываний

Qwen3-ASR-1.7B-hf — мультиязычная модель для распознавания речи и транскрибации аудио в текст.

Подходит для: транскрибация русскоязычных аудиозаписей · распознавание речи в потоковом режиме · определение языка речи в аудио

Fun-ASR-Nano-2512-hf — модель FunAudioLLM для генеративного распознавания китайской, английской и японской речи в текст.

Подходит для: транскрибирование китайской речи · распознавание китайской речи с региональными акцентами · перевод английской речи в текст

Потоковая многоязычная ASR-модель Microsoft, которая транскрибирует речь, отмечает говорящих и учитывает пользовательские ключевые слова.

Подходит для: потоковая транскрибация разговоров с указанием говорящих · распознавание речи в реальном времени · расшифровка аудио с именами и специальными терминами

Офлайн-модель NVIDIA для разметки временных сегментов речи и определения активности до четырёх говорящих в аудиозаписях.

Подходит для: разделение реплик участников на записи встречи · определение говорящих в телефонных разговорах · диаризация интервью и подкастов

Открытая ASR-модель Cohere на 2 млрд параметров для транскрибации арабской, диалектной и английской речи.

Подходит для: транскрибация аудиозаписей на арабском языке · распознавание речи на арабских диалектах · перевод арабской речи в текст

Предварительно обученная многоязычная речевая модель Wav2Vec2 для адаптации к распознаванию речи, переводу и классификации аудио.

Подходит для: дообучение для распознавания речи на редком языке · адаптация речевой модели для перевода аудио · классификация речевых записей после дообучения

Датская модель распознавания речи для быстрой транскрибации чтения вслух и разговорных записей.

Подходит для: транскрибация датских разговоров · распознавание датской речи в аудиозаписях · преобразование датских аудиокниг и чтения вслух в текст

Потоковая модель NVIDIA для разметки аудиозаписи по говорящим в разговорах с максимум четырьмя участниками.

Подходит для: диаризация речи в онлайн-разговорах · определение говорящих в записях встреч · разметка длинных аудиозаписей по участникам

Набор моделей Core ML для распознавания речи и определения говорящих в аудиозаписях на устройствах Apple.

Подходит для: распознавание речи в аудиозаписях · определение говорящих в разговоре · диаризация записей встреч и интервью

SpeechT5 — модель Microsoft для преобразования английской речи в текст, дообученная на LibriSpeech.

Подходит для: расшифровка английской речи из аудиозаписей · транскрибирование речи, записанной с частотой 16 кГц · автоматическое получение текстовой версии речи для последующей обработки

Мультиязычная модель AutoArk на 3,1 млрд параметров для преобразования речи на 20 языках в текст.

Подходит для: транскрибация англоязычных записей встреч · распознавание китайской речи · создание сервиса распознавания речи через API

Модель Facebook на базе Transformer для транскрибации английской речи с частотой дискретизации 16 кГц.

Подходит для: транскрибация английской речи из аудиозаписей · распознавание речи в записях с частотой 16 кГц · оценка качества ASR на тестовых наборах LibriSpeech

Модель NVIDIA NeMo и Suno.ai для быстрого преобразования английской речи в текст.

Подходит для: транскрибирование англоязычных аудиозаписей · распознавание речи в телефонных разговорах · пакетная расшифровка WAV-файлов

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

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

Дообученная на чистой части LibriSpeech модель WavLM-Large для распознавания речи и транскрибации аудио в текст.

Подходит для: транскрибация чистых англоязычных аудиозаписей · распознавание речи из аудиокниг и чтения вслух · оценка качества распознавания на задачах LibriSpeech