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
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
Немецкоязычная модель Canopy Labs на базе Orpheus и Llama для выразительного синтеза речи, потоковой генерации и клонирования голоса.
Подходит для: озвучивание немецкого текста естественной речью · потоковая генерация речи для приложений с низкой задержкой · управление эмоциями и интонацией речи с помощью тегов
Модель Canopy Labs на основе Llama для выразительного синтеза английской речи с потоковой генерацией, управлением эмоциями и клонированием голоса.
Подходит для: синтез английской речи для голосовых интерфейсов · потоковое озвучивание текста в реальном времени · создание выразительной речи с заданной эмоцией и интонацией
PersonaPlex — дообученная NVIDIA модель для потоковых англоязычных голосовых диалогов с одновременным распознаванием речи и генерацией ответа.
Подходит для: создание голосового ассистента с быстрым чередованием реплик · голосовое обслуживание клиентов · диалоги с перебиваниями и одновременной речью
Потоковая модель Edge0 для распознавания китайской и английской речи с настраиваемой задержкой и поддержкой непрерывной транскрипции.
Подходит для: транскрибирование китайской речи в реальном времени · транскрибирование английской речи в реальном времени · непрерывная расшифровка аудиопотока
Orpheus 3B — англоязычная Llama-модель CanopyAI для выразительного синтеза речи, потокового озвучивания и клонирования голоса.
Подходит для: озвучивание текста естественным голосом · потоковая генерация речи в реальном времени · управление эмоциями и интонацией в синтезированной речи
E2-TTS — модель синтеза речи из текста с поддержкой zero-shot сценария.
Подходит для: синтез речи по тексту · zero-shot озвучивание текста · создание голосового аудио для приложений
Компактная модель Sopro для потокового синтеза речи и клонирования голоса на четырёх европейских языках.
Подходит для: озвучивание текста на английском, португальском, французском и немецком языках · потоковая генерация речи с низкой задержкой · клонирование голоса по короткому аудиообразцу
Компактная многоязычная модель Audio8 для синтеза речи по тексту и клонирования голоса по референсному аудио.
Подходит для: озвучивание текста на поддерживаемых языках · клонирование голоса по аудиозаписи и её точной транскрипции · создание синтетической речи для приложений и медиаконтента
Auralis — производная от Coqui XTTS-v2 многоязычная модель AstraMind.ai для синтеза речи из текста и клонирования голоса по короткому аудиофрагменту.
Подходит для: создание аудиокниг из электронных книг · озвучивание подкастов и видеороликов · синтез речи на нескольких языках
Компактная модель Audio8 для синтеза речи и клонирования голоса по аудиообразцу, прежде всего на китайском и английском языках.
Подходит для: клонирование голоса по образцу речи и расшифровке · синтез речи на китайском языке · синтез речи на английском языке
Двуязычная модель Breeze для потокового синтеза английской и китайской речи, клонирования голоса и управления его подачей.
Подходит для: озвучивание английского текста с потоковой выдачей аудио · озвучивание китайского текста · клонирование голоса по аудиозаписи и точной расшифровке
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
Компактная модель Kokoro-82M преобразует текст в речь и подходит для быстрого и экономичного синтеза аудио.
Подходит для: озвучивание текста на английском языке · генерация аудио для приложений и личных проектов · быстрое преобразование текста в речь при ограниченных вычислительных ресурсах
Компактная модель Kokoro на 82 млн параметров преобразует китайский и английский текст в речь с несколькими голосами.
Подходит для: озвучивание китайского текста · синтез английской речи с американским или британским голосом · создание голосовых примеров для приложений
Dia — англоязычная модель Nari Labs для реалистичного синтеза диалоговой речи с управлением голосом и эмоциями по аудиоусловию.
Подходит для: синтез английских диалогов с двумя говорящими · озвучивание текста выразительной речью · клонирование голоса по образцу аудио
MonkeyOCR разбирает изображения и страницы PDF на китайском и английском языках, распознавая текст и структуру документа и выдавая результат в Markdown.
Подходит для: извлечение текста и структуры из страниц PDF · распознавание текста в сканах документов · преобразование таблиц и элементов страницы в структурированный Markdown
Конверсии Kokoro-82M для Apple Core ML синтезируют речь из текста на английском, японском и мандаринском языках.
Подходит для: озвучивание английского текста голосом · синтез японской речи из текста · синтез мандаринской речи из текста
Компактная модель Soprano на базе Qwen3 для быстрого синтеза выразительной английской речи из текста.
Подходит для: озвучивание английских текстов в приложении · локальное преобразование текста в речь · потоковая генерация речи для воспроизведения
Monkey — мультимодальная модель для описания изображений и ответов на визуальные вопросы, включая чтение текста и документов на изображениях.
Подходит для: создание подробных описаний изображений · ответы на вопросы о содержимом фотографии · поиск взаимосвязей между объектами на изображении
Soprano-80M — компактная англоязычная модель для быстрого локального преобразования текста в выразительную речь.
Подходит для: озвучивание английских текстов на устройстве · потоковое воспроизведение синтезированной речи · пакетная генерация речевых файлов
Компактная многоязычная модель Edge0 для синтеза речи из текста и клонирования голоса по образцу аудио.
Подходит для: озвучивание текста на поддерживаемых языках · создание голосовой озвучки для приложений и медиаматериалов · клонирование голоса по аудиозаписи и её расшифровке