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
Kokoro-82M — компактная многоязычная модель синтеза речи с несколькими голосами для локальных приложений и сервисов.
Подходит для: озвучивание текста в приложениях · создание аудиоверсий статей и документов · генерация речи для голосовых интерфейсов
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
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
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
Bark small — многоязычная трансформерная модель Suno для синтеза речи и других аудиофрагментов по тексту.
Подходит для: озвучивание текста на нескольких языках · создание речевых фрагментов для инструментов доступности · генерация смеха, вздохов и других вокализаций
Модель настраивает совместимый с Kokoro-82M голосовой пакет по короткому образцу речи для последующего синтеза речи с клонированным голосом.
Подходит для: создание голосового профиля по записи одного говорящего · клонирование английского голоса для озвучивания нового текста · настройка тембра речи в Kokoro-82M
Компактная модель VITS из проекта MMS, преобразующая текст на каракалпакском языке в речь.
Подходит для: озвучивание текста на каракалпакском языке · создание аудиоверсий каракалпакских материалов · генерация речи для каракалпакского голосового интерфейса
Многоязычная модель OpenBMB для синтеза речи, создания голосов по описанию и клонирования голоса с управлением стилем.
Подходит для: озвучивание текста на русском и других поддерживаемых языках · создание уникального голоса по текстовому описанию · клонирование голоса по короткой аудиозаписи
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
Многоязычная базовая модель Qwen3-TTS для синтеза речи по тексту, быстрого клонирования голоса по короткому аудио и дообучения.
Подходит для: синтез речи на русском и других поддерживаемых языках · клонирование голоса по аудиопримеру длительностью около трёх секунд · потоковая генерация речи для интерактивных приложений
Многоязычная модель Qwen для синтеза речи с выбором одного из девяти встроенных голосов и управлением стилем речи через инструкции.
Подходит для: озвучивание текста на нескольких языках · генерация речи выбранным встроенным голосом · управление темпом и эмоциональной подачей речи инструкцией
Многоязычная версия Chatterbox в формате MLX для синтеза речи из текста, включая русский язык.
Подходит для: озвучивание русского текста · генерация речи на нескольких языках · создание голосовых дорожек для приложений
Многоязычная модель Resemble AI для синтеза выразительной речи из текста и клонирования голоса по аудиообразцу.
Подходит для: озвучивание текста на нескольких языках · клонирование голоса для озвучивания роликов и игр · локализация аудиоконтента с сохранением сходства голоса
Компактная модель Meta на архитектуре VITS, синтезирующая арабскую речь из текста.
Подходит для: озвучивание арабских текстов · генерация голосового вывода для арабоязычных приложений · создание аудиоверсий арабоязычных материалов
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
Многоязычная модель Qwen для потокового синтеза речи с выбором голоса и управлением стилем через текстовые инструкции.
Подходит для: озвучивание текста на десяти языках · потоковая генерация речи с низкой задержкой · выбор голоса из набора поддерживаемых тембров
Компактная модель VITS из проекта MMS, которая синтезирует речь на телугу по входному тексту.
Подходит для: озвучивание текстов на телугу · создание голосовых ответов на телугу · генерация аудиоверсий сообщений и объявлений
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
Модель Facebook на архитектуре VITS, преобразующая текст на тигринья в речь.
Подходит для: озвучивание текста на тигринья · создание голосовых сообщений на тигринья · синтез речи для приложений и сервисов на тигринья
Компактная VITS-модель Facebook для преобразования кыргызского текста в речь.
Подходит для: озвучивание кыргызских текстов · создание кыргызской речи для голосовых интерфейсов · генерация аудиоверсий кыргызскоязычных материалов
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
Базовая мультиязычная модель Qwen для синтеза речи по тексту и клонирования голоса по аудиопримеру.
Подходит для: синтез речи из текста на поддерживаемых языках · быстрое клонирование голоса по короткому аудиопримеру · озвучивание текста выбранным голосом
Потоковая англоязычная модель Microsoft для синтеза речи из текста с низкой задержкой и генерацией длинных речевых фрагментов.
Подходит для: потоковое озвучивание ответов языковой модели · синтез речи для realtime-сервиса · озвучивание обновляющихся потоков данных