Компактная модель WeSpeaker на базе ResNet34 создаёт эмбеддинги голоса для верификации говорящего и диаризации аудио.

Подходит для: сравнение голосов для проверки личности говорящего · группировка фрагментов аудиозаписи по говорящим · извлечение голосовых эмбеддингов для поиска похожих голосов

Модель классифицирует песни как подлинные или синтетические, помогая выявлять полностью сгенерированную ИИ музыку.

Подходит для: проверка песни на генерацию искусственным интеллектом · поиск синтетических музыкальных записей в каталоге · предварительная проверка подлинности пользовательских аудиозагрузок

Порт Silero VAD v6.2.1 в формате MLX для обнаружения речи и выделения речевых сегментов на Apple Silicon.

Подходит для: обнаружение речи в аудиопотоке · выделение речевых сегментов из аудиозаписи · определение пауз и тишины в речи

4-битная MLX-модель для выравнивания текста с аудио и получения временных меток слов на Apple Silicon.

Подходит для: расстановка таймкодов слов в готовой транскрипции · синхронизация субтитров с речевой дорожкой · выравнивание текста аудиокниги с записью

safetensors: формат, квантизация, runtime и память принадлежат одному artifact

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

SpecTTTra-β классифицирует аудиозаписи песен, определяя, являются ли они синтетическими или созданными человеком.

Подходит для: выявление полностью сгенерированных AI песен · проверка подлинности музыкальных записей · анализ аудио для обнаружения поддельных песен

Компактная модель на базе pyannote/segmentation-3.0 для обнаружения речи и сегментации до трёх одновременно звучащих говорящих в 10-секундных аудиофрагментах на MLX.

Подходит для: обнаружение речевых фрагментов в аудиозаписях · определение активности речи и тишины · разметка речи по говорящим

8-битная версия PersonaPlex 7B для Apple Silicon преобразует потоковый речевой ввод в голосовые ответы на английском языке.

Подходит для: создание голосового ассистента с потоковым диалогом · голосовые ответы на аудиозапросы пользователя · полнодуплексные голосовые интерфейсы

SpecTTTra-γ-5s классифицирует пятсекундные аудиофрагменты, помогая выявлять песни, созданные генеративным ИИ.

Подходит для: проверка музыкального фрагмента на генерацию ИИ · отсев синтетических песен в музыкальном каталоге · анализ происхождения аудиозаписей для модерации

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

Sonus — мультиязычная модель преобразования текста в речь с клонированием и настройкой голоса, рассчитанная на более чем 600 языков.

Подходит для: озвучивание текста на разных языках · клонирование голоса по короткому образцу речи · создание голоса с заданными возрастом, полом, высотой тона или акцентом

SONIC от NVIDIA — модель управления гуманоидными роботами для отслеживания движений, локомоции и телеуправления всем телом.

Подходит для: управление ходьбой, бегом и прыжками гуманоидного робота · перенос движений человека на робота для сбора данных · телеуправление роботом Unitree G1 через VR-шлем

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

Многоязычная модель Meta в формате ONNX int8 для быстрой транскрипции речи из аудио.

Подходит для: транскрибация англоязычных аудиозаписей · распознавание французской речи · распознавание немецкой речи

Многоязычная модель MLX для синтеза речи из текста и zero-shot клонирования голоса, конвертированная в fp16.

Подходит для: синтез речи из текста на разных языках · zero-shot клонирование голоса по образцу · создание озвучки для приложений на стеке MLX

Конверсия FireRedVAD в CoreML для обнаружения речевых сегментов в аудио на устройствах Apple.

Подходит для: определение границ речи в аудиозаписи · выделение речевых фрагментов перед распознаванием речи · обнаружение речи в аудиопотоке на устройстве Apple

Многоязычная модель CosyVoice 3 в формате MLX для синтеза речи и клонирования голоса по аудиообразцу на Apple Silicon.

Подходит для: озвучивание текста на русском и других поддерживаемых языках · клонирование голоса по короткой референсной записи · синтез длинных речевых фрагментов с сохранением качества голоса

Квантованная до 4 бит версия PersonaPlex-7B для голосовых диалогов с преобразованием речи в речь на устройствах Apple Silicon.

Подходит для: создание голосового ассистента с ответами в реальном времени · ведение полно-дуплексного голосового диалога · генерация речи с выбором одного из голосовых пресетов

8-битная MLX-конверсия EmbeddingGemma 300M для создания текстовых эмбеддингов и семантического поиска на Apple Silicon.

Подходит для: семантический поиск по расшифровкам встреч · поиск релевантных фрагментов текста по запросу · сравнение смысловой близости предложений

Квантованный до INT8 порт NVIDIA Magpie-TTS Multilingual для синтеза речи на девяти языках на устройствах Apple Silicon.

Подходит для: озвучивание английского текста в приложении · синтез речи на европейских языках · локальная генерация речи на Apple Silicon

Квантованная до INT8 версия GLiNER2.5-Decide для быстрой классификации текста по пользовательским меткам и извлечения сущностей на Apple Silicon.

Подходит для: классификация сообщений по пользовательским категориям · маршрутизация входящих запросов по меткам · извлечение именованных сущностей из текста

Soniox-7B-v1.0 — дообученная на базе Mistral 7B языковая модель для англоязычных диалогов, генерации текста и помощи с кодом.

Подходит для: создание англоязычного чат-бота · генерация и продолжение текста · ответы на вопросы в диалоге

Экспорт IndexTTS-2 в fp16 для Apple Silicon предназначен для синтеза выразительной речи и клонирования голоса по аудиореференсу.

Подходит для: синтез речи из текста на китайском языке · синтез речи из текста на английском языке · клонирование голоса по референсной записи