F5-TTS — модель для синтеза речи по тексту, доступная в нескольких вариантах чекпойнтов.

Подходит для: озвучивание текстов · создание речевых дорожек для видео · генерация голосовых сообщений

Языковая модель мира Qwen для симуляции состояний сред и предсказания наблюдений после действий агента в текстовых и интерфейсных сценариях.

Подходит для: симуляция ответов MCP-инструментов для агента · генерация результатов поиска в траектории агента · предсказание вывода терминала после команды

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

Потоковая модель Kyutai синтезирует английскую и французскую речь из текста с низкой задержкой и поддерживает обусловливание голоса готовыми эмбеддингами.

Подходит для: синтез речи по мере поступления текста · озвучивание диалоговых систем с низкой задержкой · генерация английской речи из текста

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

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

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

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

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

Нейросимволическая языковая модель на базе Qwen2.5-0.5B для генерации текста, математических рассуждений и исследований адаптивной памяти.

Подходит для: ответы на математические вопросы с пошаговыми рассуждениями · генерация структурированных решений уравнений · эксперименты с нейросимволическими методами рассуждения

Модель mesolitica для синтеза малайской и английской речи с несколькими голосами и частотой вывода 24 кГц.

Подходит для: синтез речи на малайском языке · синтез речи на английском языке с переключением языков · озвучивание нормализованного текста несколькими голосами

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

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

Экспериментальная дообученная модель Qwen3 на 14 млрд параметров для генерации текста, диалогов и исследований в области символьных рассуждений.

Подходит для: экспериментальные диалоговые агенты с постоянной памятью · планирование математических доказательств · генерация текста для научных обсуждений

SpecTTTra-α-5s классифицирует аудиофрагменты песен как синтетические или созданные человеком.

Подходит для: проверка песни на генерацию искусственным интеллектом · выявление синтетических музыкальных композиций · анализ аудиофрагментов для модерации музыкального контента

Компактная версия Soprano в формате MLX для синтеза речи по тексту и клонирования голоса.

Подходит для: синтез речи из текста · локальная генерация речи на устройствах Apple с MLX · клонирование голоса при использовании исходной модели

OuteTTS 1.0 1B — многоязычная модель синтеза речи с клонированием голоса по короткому аудиообразцу.

Подходит для: синтез речи из текста на нескольких языках · клонирование голоса по короткой аудиозаписи · озвучивание длинных текстов фрагментами

Англоязычная чат-модель Gensyn на 1,3 млрд параметров для генерации текста, кода и STEM-контента и экспериментов с проверяемым дообучением.

Подходит для: создание прототипа англоязычного чат-ассистента · генерация и дополнение программного кода · ответы на вопросы по STEM-тематике

Текстовая 14,44B-модель для запуска агентных циклов с вызовом инструментов в Xyntetik Runner.

Подходит для: Запуск локального агента с вызовом инструментов в Xyntetik Runner · Выполнение многошаговых задач в формате `muse` · Формирование структурированных вызовов инструментов

Многоязычная модель Mistral для быстрого синтеза выразительной речи из текста в голосовых агентах и других приложениях.

Подходит для: синтез речи для голосового помощника · озвучивание ответов голосового агента в контакт-центре · генерация речи на нескольких языках

Англоязычная модель Tacotron2 от SpeechBrain преобразует короткий текст в спектрограмму для последующего синтеза речи вокодером.

Подходит для: синтез речи из короткого английского текста · получение спектрограммы для последующего преобразования в аудио · эксперименты с синтезом речи на базе SpeechBrain

SpecTTTra-β классифицирует короткие аудиофрагменты, определяя, является ли песня синтетической или созданной человеком.

Подходит для: выявление песен, полностью созданных генеративным ИИ · проверка подлинности музыкальных фрагментов длительностью 5 секунд · анализ синтетической музыки для исследований и модерации аудиокаталогов

Дообученная AST-модель классифицирует аудио для обнаружения синтетической речи.

Подходит для: проверка голосовых сообщений на синтетическую речь · поиск сгенерированных голосовых фрагментов в аудиозаписях · классификация аудио для анализа подлинности голоса

Llasa-8B — дообученная на речевых токенах Llama-модель для синтеза китайской и английской речи из текста, в том числе с речевым промптом.

Подходит для: синтез китайской речи из текста · синтез английской речи из текста · генерация речи с использованием речевого промпта