Модель SpeechEncoderDecoder для автоматического преобразования аудиоречи в текст, обученная с нуля на LibriSpeech ASR.

Подходит для: транскрибация аудиозаписей на английском языке · распознавание речи на тестовых аудиофайлах · эксперименты с архитектурами распознавания речи

Конверсия MMS-300M для принудительного выравнивания текста с речью и определения временных границ произнесённых слов.

Подходит для: выравнивание текста стенограммы с аудиозаписью · определение временных границ слов в речи · создание временных меток для субтитров

Речевая модель SpeechEncoderDecoderModel, обученная на LibriSpeech ASR для преобразования аудио в текст.

Подходит для: эксперименты с распознаванием речи на LibriSpeech · получение текстовой расшифровки аудиозаписи · оценка качества систем автоматического распознавания речи

Модель на архитектуре SpeechEncoderDecoderModel для распознавания речи и преобразования аудио в текст, обученная с нуля на LibriSpeech ASR.

Подходит для: расшифровка англоязычных аудиозаписей из LibriSpeech · преобразование речи в текст для экспериментов с распознаванием речи · оценка качества систем ASR на данных LibriSpeech

Модель на архитектуре SpeechEncoderDecoderModel, обученная на LibriSpeech ASR для преобразования речи в текст.

Подходит для: транскрибация аудиозаписей из LibriSpeech · распознавание речи в англоязычных аудиозаписях LibriSpeech · экспериментальная оценка распознавания речи на LibriSpeech

Модель SpeechEncoderDecoderModel для преобразования аудио в текст, обученная с нуля на LibriSpeech ASR.

Подходит для: эксперименты с распознаванием речи на LibriSpeech · преобразование аудиозаписей речи в текст · оценка качества моделей автоматического распознавания речи

Многоязычная модель wav2vec2 для преобразования речи в текст на более чем тысяче языков.

Подходит для: транскрибация аудиозаписей на малоресурсных языках · распознавание речи для многоязычных приложений · создание текстовых расшифровок устных высказываний

Многоязычная Seq2Seq-модель для дообучения на машинный перевод между 50 языками и другие задачи преобразования текста.

Подходит для: дообучение модели для перевода между поддерживаемыми языками · создание многоязычной системы машинного перевода · адаптация к преобразованию текста на нескольких языках

Вокодер HiFi-GAN для преобразования акустических представлений SpeechT5 в аудио при синтезе речи и конвертации голоса.

Подходит для: синтез аудио из представлений речи SpeechT5 · озвучивание текста в связке с моделью SpeechT5 · преобразование голоса в конвейере SpeechT5

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

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

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

Модель Facebook на базе Transformer для транскрибации английской речи с частотой дискретизации 16 кГц.

Подходит для: транскрибация английской речи из аудиозаписей · распознавание речи в записях с частотой 16 кГц · оценка качества ASR на тестовых наборах LibriSpeech

Нерекуррентная англоязычная модель FastSpeech2Conformer быстро синтезирует речь из текста.

Подходит для: синтез английской речи из текста · озвучивание коротких текстовых сообщений · создание речевых дорожек для приложений

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

Предварительно обученная на английской речи модель Wav2Vec2-Conformer, предназначенная для дообучения под распознавание речи.

Подходит для: дообучение базовой модели для транскрибации английской речи · создание речевых представлений для последующей системы распознавания речи · эксперименты с распознаванием речи на данных LibriSpeech

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

Базовая речевая модель Facebook Wav2Vec2-Large для извлечения представлений из аудио и дообучения под распознавание речи.

Подходит для: дообучение модели для распознавания речи · создание ASR-системы на размеченных аудиозаписях · обучение распознаванию речи при ограниченном объёме транскрипций

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

Компактная модель ASR на архитектуре SEW-D для транскрибирования английской речи из аудио с частотой дискретизации 16 кГц.

Подходит для: транскрибирование английских аудиозаписей · распознавание речи из аудио с частотой 16 кГц · создание текстовых расшифровок записей LibriSpeech

Квантизованная до INT8 версия Distil-Whisper large-v3 в формате OpenVINO для распознавания речи из аудио.

Подходит для: транскрибация аудиозаписей на английском языке · распознавание речи в подкастах и интервью · перевод устной речи в текст для приложений на OpenVINO

Англоязычная модель FastSpeech2Conformer с HiFi-GAN для быстрого преобразования текста в речь.

Подходит для: озвучивание англоязычных текстов · создание речевых аудиофайлов из текста · генерация голоса для приложений и демонстраций

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

FP8-квантизированная версия Qwen3-ASR-1.7B для распознавания и транскрибации многоязычной речи с развёртыванием через vLLM.

Подходит для: транскрибация аудиозаписей · распознавание речи в потоковом режиме · массовая обработка аудио на сервере