Украиноязычная модель Piper преобразует текст в речь и предлагает три голоса.

Подходит для: озвучивание украинского текста · создание голосовых ответов на украинском языке · генерация аудио для приложений с украинской локализацией

OmniVoice — многоязычная модель преобразования текста в речь с клонированием голоса и настройкой его характеристик.

Подходит для: озвучивание текста на разных языках · клонирование голоса по короткой аудиозаписи · создание голоса по заданным характеристикам

XTTS-v2 от Coqui синтезирует многоязычную речь и клонирует голос по короткому аудиофрагменту.

Подходит для: озвучивание текста на одном из 17 поддерживаемых языков · клонирование голоса по короткой записи · перенос голоса на другой язык

Higgs TTS 3 от Boson AI синтезирует выразительную многоязычную речь из текста с управлением подачей и клонированием голоса по образцу.

Подходит для: озвучивание ответов голосового чат-бота · создание многоязычной озвучки для видео и подкастов · синтез речи с заданной эмоцией и темпом

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

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

CSM 1B от Sesame — модель синтеза английской речи из текста с возможностью учитывать аудиоконтекст.

Подходит для: синтез английской речи из текста · генерация речи с учётом аудиоконтекста · создание разных вариантов голоса для озвучивания

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

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

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

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

KittenTTS 2 — мультиязычная модель KittenML для синтеза речи из текста с клонированием голоса по контексту и управлением выразительностью.

Подходит для: озвучивание текста выбранным голосом · клонирование голоса по контекстному примеру · синтез речи на нескольких языках с выбором языкового голоса

Модель синтезирует длинные выразительные разговорные аудиозаписи на английском и китайском языках с участием до четырёх говорящих.

Подходит для: создание многосторонних подкастов по текстовому сценарию · озвучивание длинных диалогов несколькими голосами · генерация разговорных аудиоматериалов для исследований синтеза речи

Базовая модель Boson AI для выразительного многоязычного синтеза речи, клонирования голоса и генерации диалогов по тексту.

Подходит для: синтез эмоциональной речи по тексту · озвучивание текста с адаптацией интонации и просодии · генерация диалогов с несколькими говорящими

Компактная модель Kokoro-82M преобразует текст в речь и подходит для быстрого и экономичного синтеза аудио.

Подходит для: озвучивание текста на английском языке · генерация аудио для приложений и личных проектов · быстрое преобразование текста в речь при ограниченных вычислительных ресурсах

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

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

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

IndexTTS-2 — авторегрессионная zero-shot модель для синтеза эмоционально выразительной речи с контролем длительности.

Подходит для: синтез выразительной речи из текста · озвучивание текста на английском и китайском языках · генерация речи с управлением длительностью

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

Многоязычная модель семейства MOSS-TTS для синтеза речи из текста, включая потоковую генерацию и управление произношением.

Подходит для: озвучивание текста на нескольких языках · создание потоковой речи для голосовых приложений · генерация смешанной китайско-английской речи

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

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

Parler-TTS Large v1 — англоязычная модель на 2,2 млрд параметров для генерации речи с управлением голосом и акустическими характеристиками через текстовое описание.

Подходит для: озвучивание текстов на английском языке · создание речи с заданным темпом и высотой голоса · генерация речи с выбранным тембром или голосом диктора