Модель SpeechBrain на основе TDNN извлекает x-vector эмбеддинги речи для верификации и идентификации говорящего.

Подходит для: сравнение голосов в двух аудиозаписях · проверка личности говорящего по голосу · извлечение голосовых эмбеддингов для поиска похожих голосов

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

Модель SpeechBrain очищает зашумлённую речь, преобразуя аудио в улучшенную аудиозапись.

Подходит для: очистка речи от фонового шума · улучшение качества голосовых записей · подавление шума в аудиозаписях для последующего распознавания

Модель SpeechBrain на ECAPA-TDNN распознаёт язык устной речи среди 107 языков и извлекает эмбеддинги речевых фрагментов.

Подходит для: определение языка в короткой аудиозаписи · автоматическая маршрутизация звонка по языку собеседника · определение языка в аудиоархиве

ResNet-подобная модель SpeechBrain улучшает зашумлённую речь и может служить фронтендом для устойчивого распознавания английской речи.

Подходит для: подавление фонового шума в английской речи · улучшение качества записей с микрофона · предобработка аудио перед распознаванием речи

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

Модель SpeechBrain на базе wav2vec2 распознаёт эмоциональные классы в англоязычной речи.

Подходит для: определение эмоций в аудиозаписях диалогов · анализ эмоциональной окраски речи на данных IEMOCAP · классификация эмоциональных состояний в англоязычных аудиозаписях

Модель SpeechBrain определяет язык по коротким речевым записям на одном из 45 поддерживаемых языков.

Подходит для: определение языка в коротком аудиосообщении · автоматическая маршрутизация звонка по языку собеседника · классификация языка речевой записи в медиатеке

Англоязычная система SpeechBrain на базе CRDNN, CTC/Attention и RNNLM для транскрибации речи, обученная на LibriSpeech.

Подходит для: транскрибация аудиокниг на английском языке · распознавание речи в английских аудиозаписях · пакетная расшифровка файлов LibriSpeech

Однодикторный вокодер HiFi-GAN от SpeechBrain преобразует спектрограммы в речевую волну для синтеза английской речи.

Подходит для: преобразование мел-спектрограммы в речь · восстановление аудиоволны после акустической модели TTS · сборка конвейера синтеза английской речи на основе LJSpeech

Модель MLX на базе SpeechBrain ECAPA-TDNN определяет язык устной речи среди 107 классов на устройствах Apple Silicon.

Подходит для: определение языка в аудиозаписях · выбор языка для последующей транскрибации · маршрутизация голосовых запросов по языку

Модель HuBERT Large, дообученная на 960 часах LibriSpeech, распознаёт английскую речь в аудио с частотой дискретизации 16 кГц.

Подходит для: транскрибирование англоязычных аудиозаписей · распознавание речи из аудио с частотой 16 кГц · создание текстовых расшифровок лекций и выступлений на английском

MLX-экспорт SpeechBrain ECAPA-TDNN извлекает голосовые эмбеддинги для сравнения и верификации говорящих на Apple Silicon.

Подходит для: сравнение голосов в двух аудиозаписях · верификация личности говорящего по голосу · поиск записей одного говорящего в коллекции аудио

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

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

Модель wav2vec2, дообученная на Common Voice для автоматического распознавания речи на бретонском языке.

Подходит для: транскрибирование записей речи на бретонском языке · распознавание бретонской речи в аудиофайлах · оценка качества распознавания бретонской речи на данных Common Voice

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

Модель SpeechBrain SepFormer разделяет смешанную монофоническую запись речи на три источника.

Подходит для: разделение трёх голосов в смешанной записи · выделение отдельных говорящих из аудиосмеси · предварительная обработка аудио перед распознаванием речи

Модель SpeechBrain на ECAPA-TDNN классифицирует английскую речь по 16 категориям акцента.

Подходит для: определение акцента в короткой записи английской речи · классификация английских акцентов в аудиоданных · анализ акцентных групп в речевых выборках

Компактная модель IBM для быстрой транскрибации английской речи в текст на серверах и устройствах с ограниченными ресурсами.

Подходит для: транскрибация английских аудиозаписей · расшифровка телефонных разговоров на английском · создание субтитров для английской речи

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

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

Англоязычный вокодер HiFi-GAN преобразует спектрограммы в речь с частотой дискретизации 22 050 Гц.

Подходит для: преобразование спектрограммы из TTS-модели в аудио · синтез англоязычной речи в составе TTS-конвейера · озвучивание текста через связку TTS-модели и вокодера

Компактная модель Useful Sensors для потоковой транскрипции английской речи с низкой задержкой на устройствах с ограниченными ресурсами.

Подходит для: создание субтитров к английской речи в реальном времени · распознавание английских голосовых команд на устройстве · транскрипция разговоров на периферийных устройствах