Компактная многоязычная модель Supertone для локального синтеза речи из текста на 31 языке.

Подходит для: озвучивание текста в приложениях без облачного сервиса · создание аудиокниг и озвучивание длинных текстов · генерация речи для новостных материалов

sanoTTS — семейство малых дистиллированных моделей Ampixa для локального синтеза речи, включая запуск в браузере и на микроконтроллерах.

Подходит для: озвучивание коротких текстов на встраиваемом устройстве · локальное преобразование текста в речь без облачного сервиса · синтез речи в браузере через WASM

Supertonic 3 — компактная модель Supertone для локального синтеза речи из текста на 31 языке.

Подходит для: локальная озвучка аудиокниг · генерация речи для новостей и объявлений · озвучивание диалогов персонажей

MOSS-TTS-v1.5 — многоязычная модель OpenMOSS-Team для генерации речи из текста, клонирования голоса и управления паузами и произношением.

Подходит для: синтез речи на нескольких языках из текста · клонирование голоса по аудиореференсу · озвучивание длинных текстов с управлением паузами

Токенизатор Qwen3-TTS кодирует речь в компактные дискретные токены и декодирует их обратно в аудио для речевых систем.

Подходит для: кодирование речи в дискретные токены · декодирование токенов обратно в речь · компактное хранение речевых данных

Компактная мультиязычная модель OpenMOSS для потокового синтеза речи и клонирования голоса, рассчитанная на работу в том числе на CPU.

Подходит для: озвучивание текста в реальном времени · клонирование голоса по эталонной аудиозаписи · генерация речи для локальной демонстрации

Auralis — производная от Coqui XTTS-v2 многоязычная модель AstraMind.ai для синтеза речи из текста и клонирования голоса по короткому аудиофрагменту.

Подходит для: создание аудиокниг из электронных книг · озвучивание подкастов и видеороликов · синтез речи на нескольких языках

Supertonic — компактная ONNX-модель Supertone для быстрого локального синтеза речи из текста.

Подходит для: локальная озвучка текста в приложении · генерация речи в браузере · пакетная озвучка текстов на сервере

MioTTS-2.6B — дообученная LLM для быстрого синтеза английской и японской речи с возможностью клонирования голоса по короткому аудиообразцу.

Подходит для: озвучивание английского текста · озвучивание японского текста · клонирование голоса по короткой аудиозаписи

Дискретный токенизатор Boson AI, который кодирует и восстанавливает речь, музыку и звуковые события в компактном представлении с частотой 25 кадров в секунду.

Подходит для: сжатое кодирование аудиозаписей · восстановление речи из дискретных аудиотокенов · кодирование музыки для последующей генерации или анализа

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

Нейросетевой аудиокодек Meta AI для сжатия и восстановления речи, музыки и других звуков в реальном времени.

Подходит для: сжатие речи при низком битрейте · сжатие и передача музыки · восстановление аудио после кодирования

Orpheus 3B — англоязычная Llama-модель CanopyAI для выразительного синтеза речи, потокового озвучивания и клонирования голоса.

Подходит для: озвучивание текста естественным голосом · потоковая генерация речи в реальном времени · управление эмоциями и интонацией в синтезированной речи

Higgs Audio v3 TTS (4B) — модель синтеза речи по тексту на базе Qwen3-4B с поддержкой эталонного аудио и выходом в виде монофонической волны 24 кГц.

Подходит для: синтез речи по тексту · создание озвучки с голосом, заданным эталонным аудио · генерация монофонической речи с частотой 24 кГц

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

MOSS-Audio-Tokenizer-v2 кодирует и восстанавливает стереозвук в виде дискретных токенов для сжатия и последующих задач понимания и генерации аудио.

Подходит для: сжатие и кодирование стереозвука · восстановление аудио из дискретных токенов · потоковая обработка речи и звука

Auralis на основе Coqui XTTS-v2 синтезирует многоязычную речь из текста и поддерживает клонирование голоса по короткому аудиофрагменту.

Подходит для: создание аудиокниг из электронных книг · озвучивание диалогов, подкастов и видеороликов · добавление синтеза речи в приложения через Python API

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

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 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

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

Небольшая базовая англоязычная модель SupraLabs для экспериментов с предобучением и отправной точки для дальнейшего дообучения.

Подходит для: эксперименты с предобучением малых языковых моделей · изучение влияния масштаба модели и состава данных · дообучение на инструкциях

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

Компактная модель LuxTTS синтезирует естественную речь по тексту и клонирует голос по образцу с высокой скоростью.

Подходит для: озвучивание текста естественной речью · клонирование голоса по аудиообразцу · быстрая локальная генерация речи