Fish Audio Drama 3 — многоязычная модель синтеза речи с несколькими персонажами, клонированием голоса и потоковой генерацией длинных текстов.
Подходит для: озвучивание диалогов с несколькими персонажами · создание длинных аудиоматериалов из текста · клонирование голоса по референсной записи
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
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
Компактная ONNX-модель для быстрого синтеза вьетнамской речи на слабых CPU и периферийных устройствах.
Подходит для: локальный синтез вьетнамской речи на Android · озвучивание текста на слабом CPU или ARM-плате · быстрая генерация речевых подсказок на устройстве
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
Модель настраивает голосовой пакет для Kokoro-82M по короткой записи одного говорящего, чтобы синтезировать английскую речь с похожим тембром и просодией.
Подходит для: создание голосового пакета Kokoro по записи диктора · синтез английской речи голосом, похожим на заданный образец · клонирование голоса по чистой записи длительностью от 3 до 30 секунд
Модель Qwen для синтеза речи из текста с настройкой характеристик голоса с помощью естественно-языковых инструкций.
Подходит для: озвучивание текста голосом с заданным тембром · создание речи с заданной эмоцией и просодией · потоковая генерация речи с низкой задержкой
Многоязычная модель FunAudioLLM для потокового синтеза речи, управления произношением и клонирования голоса по образцу.
Подходит для: озвучивание текста на русском и других поддерживаемых языках · потоковая генерация речи с низкой задержкой · клонирование голоса по 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
EMA Lightning — компактная турецкая модель для быстрого локального и потокового преобразования текста в речь.
Подходит для: озвучивание турецких текстов в приложении · потоковое воспроизведение турецких ответов голосового интерфейса · локальный офлайн-синтез речи без отправки данных в облако
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
F5-TTS — модель для синтеза речи по тексту, доступная в нескольких вариантах чекпойнтов.
Подходит для: озвучивание текстов · создание речевых дорожек для видео · генерация голосовых сообщений
Мультиязычная модель OpenMOSS для синтеза речи и клонирования голоса с генерацией стереоаудио 48 кГц.
Подходит для: синтез речи из текста на разных языках · клонирование голоса по аудиореференсу · генерация длинных озвученных текстов с управлением паузами
Компактная дистиллированная англоязычная модель SupraLabs преобразует текст в речь и рассчитана на быстрый запуск даже на CPU.
Подходит для: озвучивание английского текста на CPU · синтез коротких английских реплик в реальном времени · создание аудиоверсий текстового контента
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
SemBridge — модель ASLP-lab для синтеза речи, пения по нотам и смешанных речевых и музыкальных сегментов.
Подходит для: синтез речи из текста на китайском и английском · создание пения по тексту, высоте нот и длительности · генерация последовательности из речевых и певческих фрагментов
Экспериментальный пакет Kokoro-82M в формате GGUF Q8_0 синтезирует китайскую и английскую речь встроенными голосами.
Подходит для: озвучивание китайского текста одним из встроенных голосов · синтез речи на американском английском · синтез речи на британском английском
Зеркало набора голосовых моделей Piper в формате ONNX для синтеза речи из текста.
Подходит для: озвучивание текста голосом Piper · синтез речи для Codeep Voice · создание голосовых ответов из текста
Компактная англоязычная модель WhissleAI для синтеза речи с управлением акустическими характеристиками, стилем и голосом.
Подходит для: озвучивание английского текста с заданным темпом и высотой голоса · создание речи с управляемыми громкостью, интонацией и паузами · добавление акцентов и точных пауз с помощью разметки
Экспериментальная GGUF-производная Fish Audio Drama-3 для синтеза речи из текста через специальную сборку TurboQuant llama.cpp и внешний аудиостек.
Подходит для: синтез короткой речи по текстовому запросу · эксперименты с запуском Drama-3 через форк TurboQuant llama.cpp · проверка синтеза речи на GPU с ограниченным объёмом видеопамяти и выгрузкой слоёв на CPU
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
Компактная модель cloud0day3 для быстрого синтеза турецкой речи одним синтетическим мужским голосом.
Подходит для: озвучивание турецких уведомлений и сообщений · синтез турецкой речи из обычного текста · чтение дат, времени и денежных сумм по-турецки
Исследовательская версия VoxCPM2 для синтеза речи на 28 африканских языках с обязательным языковым токеном перед текстом.
Подходит для: Синтез речи на йоруба · Озвучивание текста на суахили · Синтез речи на киньяруанда и игбо
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