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

Предварительно обученная модель Microsoft извлекает представления из английской речи для последующей настройки под распознавание и другие задачи обработки аудио.

Подходит для: извлечение признаков из английской речи для обучения downstream-моделей · подготовка аудиопредставлений для распознавания речи после дообучения · классификация речевых аудиозаписей после настройки

Англоязычная модель UniSpeech-Large для получения речевых представлений, которую нужно дообучить для распознавания речи или классификации аудио.

Подходит для: дообучение для распознавания английской речи · адаптация речевой модели к классификации аудио · исследование переноса речевых представлений между языками

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

Предварительно обученная англоязычная модель Microsoft для извлечения признаков речи и последующего дообучения под задачи обработки аудио.

Подходит для: извлечение признаков из речи для downstream-моделей · подготовка представлений аудио для классификации речи · дообучение модели для распознавания английской речи

Базовая англоязычная модель Microsoft для извлечения речевых признаков из аудио и последующей настройки под задачи обработки речи.

Подходит для: извлечение признаков из англоязычной речи · подготовка речевых представлений для дообучения ASR · дообучение на классификацию аудиозаписей

Многоязычная предварительно обученная модель речевых представлений на wav2vec 2.0, которую дообучают для распознавания и других задач обработки речи.

Подходит для: дообучение распознаванию речи в аудиозаписях · дообучение переводу речи между языками · классификация речевых аудиоданных

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

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

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

CLVP — модель извлечения признаков для сопоставления текста и MEL-токенов в системе синтеза речи Tortoise-TTS.

Подходит для: извлечение признаков текста для конвейера Tortoise-TTS · сопоставление текстовых токенов с MEL-токенами · интеграция компонента CLVP в систему синтеза речи

QUEST-9B — диалоговая модель Qwen3.5 с 9 млрд параметров, дообученная для выполнения задач глубокого исследования.

Подходит для: проведение исследований с помощью диалогового агента · поиск и обобщение информации по веб-источникам · ответы на сложные исследовательские вопросы

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

QUEST-4B — 4-миллиардная SFT-модель семейства Qwen3.5 для диалоговых задач глубокого исследования.

Подходит для: проведение диалогового исследования по сложному вопросу · поиск и сопоставление информации для исследовательского ответа · оценка возможностей агента на BrowseComp

ZONOS2 — мультиязычная MoE-модель Zyphra для выразительного синтеза речи и клонирования голоса по образцу.

Подходит для: озвучивание текста на русском и других поддерживаемых языках · клонирование голоса по аудиозаписи · создание выразительной озвучки для приложений и медиаконтента

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 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

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

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

Модель Microsoft на основе UniSpeech-SAT извлекает голосовые представления для проверки личности говорящего по аудио.

Подходит для: проверка, принадлежат ли две речевые записи одному человеку · сопоставление голоса с эталонной записью · извлечение голосовых векторов для системы распознавания говорящего

Исследовательский вариант Llama 3.2 1B с Softmax1 и AttentionResidual для генерации текста и изучения маршрутизации внимания между слоями.

Подходит для: генерация текста авторегрессионной языковой моделью · эксперименты с маршрутизацией между слоями трансформера · сравнение влияния attention sinks на языковую модель

TableLlama — англоязычная модель на базе Llama для ответов на вопросы и выполнения инструкций по табличным данным.

Подходит для: ответы на вопросы по таблицам · выполнение инструкций с табличным контекстом · анализ структурированных данных в таблицах

Англоязычная CTC-модель Microsoft для транскрибирования речи, дообученная на 100 часах LibriSpeech.

Подходит для: транскрибирование английских аудиокниг · распознавание английской речи в аудиозаписях · получение текстовой расшифровки речи с частотой 16 кГц