Бинарный аудиоклассификатор для обнаружения сигналов южных резидентных косаток в записях гидрофонов.

Подходит для: поиск сигналов южных резидентных косаток в записях гидрофонов · первичный скрининг аудиоархивов Orcasound · выделение фрагментов для проверки специалистами

Orukeet — мультиязычная модель Oruk AI на базе Parakeet TDT для транскрибирования речи на 25 языках.

Подходит для: транскрибирование записанных аудиофайлов · расшифровка подкастов и медиаматериалов · пакетная транскрибация аудиозаписей

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

Vocos — быстрый нейросетевой вокодер, который восстанавливает аудиоволну из мел-спектрограммы за один проход.

Подходит для: восстановление речи из мел-спектрограммы · синтез аудио по акустическим признакам · вокодирование речи в конвейере синтеза речи

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

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

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

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

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

Bark от Suno — каскадная трансформерная модель для генерации многоязычной речи и других аудиосигналов по тексту.

Подходит для: синтез многоязычной речи из текста · озвучивание фраз с эмоциональными вокализациями · создание музыки по текстовому описанию

Модель Stability AI генерирует звуковые эффекты переменной длительности по текстовым описаниям на английском языке.

Подходит для: создание звука приближающегося поезда с гудком · генерация фоновых шумов для видеоигр · подготовка звуковых эффектов для видео и анимации

Fish Audio S2 Pro — многоязычная модель синтеза речи с управлением эмоциями, интонацией и другими характеристиками произношения через текстовые инструкции.

Подходит для: озвучивание текста на разных языках · потоковая генерация речи для приложений · создание реплик с заданной эмоцией или интонацией

Англоязычная модель ESPnet JETS в формате ONNX для преобразования текста в речь.

Подходит для: озвучивание английского текста в приложении · создание аудиоверсий текстового контента · добавление синтеза речи в конвейер txtai

Bark small — многоязычная трансформерная модель Suno для синтеза речи и других аудиофрагментов по тексту.

Подходит для: озвучивание текста на нескольких языках · создание речевых фрагментов для инструментов доступности · генерация смеха, вздохов и других вокализаций

Auralis на основе Coqui XTTS-v2 синтезирует многоязычную речь из текста и поддерживает клонирование голоса по короткому аудиофрагменту.

Подходит для: создание аудиокниг из электронных книг · озвучивание диалогов, подкастов и видеороликов · добавление синтеза речи в приложения через Python API

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

Orpheus 3B 0.1 Finetuned — Llama-based Speech-LLM для выразительного синтеза английской речи, потокового озвучивания и клонирования голоса.

Подходит для: потоковое озвучивание текста в реальном времени · генерация естественной речи для диалоговых приложений · озвучивание текста с заданной эмоцией и интонацией

Преобразованная в формат MLX английская модель Orpheus от Canopy Labs для синтеза речи из текста.

Подходит для: озвучивание английских текстов · создание голосовых сообщений из текста · генерация MP3 с голосом tara

Открытая аудиоязыковая модель примерно на 4,6 млрд параметров для распознавания и анализа речи, звуков и музыки с ответами в текстовой форме.

Подходит для: транскрибация аудиозаписей с временными метками · ответы на вопросы по содержанию подкастов, встреч и интервью · краткое изложение аудиозаписей

Многоязычная CTC-модель OWSM-CTC v4 распознаёт речь и поддерживает перевод речи и определение языка.

Подходит для: распознавание речи в аудиозаписях · перевод речи между языками · определение языка по аудиозаписи

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

Модель классифицирует аудио песен, определяя, создана ли композиция человеком или сгенерирована ИИ.

Подходит для: проверка песни на генерацию ИИ · выявление синтетических вокала и инструментальной музыки · анализ длинного музыкального фрагмента до 120 секунд

Базовая англоязычная модель CanopyAI на архитектуре Llama для синтеза речи и дообучения под задачи клонирования голоса.

Подходит для: синтез английской речи по тексту · создание выразительной речи с естественной интонацией · клонирование голоса по аудиообразцу без отдельного дообучения