Дообученная модель wav2vec2-xls-r-300m для автоматического распознавания речи на иврите.
Подходит для: транскрибация записей на иврите · распознавание речи в аудиоматериалах на иврите · преобразование устной речи на иврите в текст
Многоязычная модель Wav2Vec2 определяет язык речи в аудиозаписи среди 1024 вариантов.
Подходит для: определение языка в короткой аудиозаписи · автоматический выбор модели для последующей транскрибации · сортировка речевых файлов по языкам
Модель wav2vec2 определяет индийский язык и английский вариант Индии по аудиозаписи речи.
Подходит для: определение языка речи перед запуском распознавания · маршрутизация звонка в службу поддержки по языку клиента · сегментация аудиозаписей по языку
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
Дообученная wav2vec 2.0 модель для распознавания исландской речи и преобразования аудиозаписей в текст.
Подходит для: расшифровка записей на исландском языке · создание субтитров к исландской речи · транскрибирование исландских голосовых сообщений
Мультиязычная модель Facebook AI для извлечения речевых представлений, предназначенная для дообучения под распознавание речи, перевод и классификацию.
Подходит для: дообучение системы распознавания речи · дообучение перевода речи · классификация речевых сигналов
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
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 Facebook на базе Wav2Vec2 определяет, на каком из 256 языков говорят в аудиозаписи.
Подходит для: определение языка речи в аудиозаписи · автоматическая маршрутизация многоязычных звонков · сортировка речевых данных по языкам
Модель Wav2Vec2 определяет, на каком из 126 языков говорят в аудиозаписи.
Подходит для: определение языка речи в аудиозаписи · автоматическая маршрутизация аудио по языку · предварительная сортировка многоязычных речевых данных
MioTTS-2.6B — дообученная LLM для быстрого синтеза английской и японской речи с возможностью клонирования голоса по короткому аудиообразцу.
Подходит для: озвучивание английского текста · озвучивание японского текста · клонирование голоса по короткой аудиозаписи
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
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
Многоязычная модель MMS определяет язык речи по аудио и поддерживает 4017 языков.
Подходит для: определение языка в аудиозаписи · сортировка речевых файлов по языку · выбор ASR-модели для дальнейшей расшифровки
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
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
Многоязычная модель NVIDIA, которая озвучивает текст пятью голосами на двенадцати языках.
Подходит для: озвучивание книг и статей на нескольких языках · генерация реплик для голосового агента · дубляж и локализация видеоконтента
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
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
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
Инструкционная мультимодальная модель Google DeepMind для диалога, анализа текста, изображений, видео и аудио, а также генерации кода.
Подходит для: ответы на вопросы по изображениям и документам · извлечение текста и данных из сканов и PDF · транскрибация аудио и перевод речи в текст
Компактная многоязычная инструкция-настроенная модель Meta для диалогов, поиска сведений, суммаризации и помощи в написании текста.
Подходит для: создание диалогового помощника на устройстве · поиск сведений в документах и ответ на вопросы · суммаризация текстов
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
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