Синтез речи с управлением стилем описанием: подробное текстовое описание голоса — тон, темп, шёпот — и модель его воспроизводит.
Офлайн-распознавание и синтез речи на любых устройствах: работает без сети на телефоне, в браузере и встроенных системах — сотни предобученных моделей.
Липсинк в латентном пространстве от ByteDance: точная синхронизация губ даже с боковыми ракурсами и при слабом освещении.
Реал-тайм липсинк для аватаров: говорящая голова с идеальной синхронизацией губ работает со скоростью 30 кадров в секунду на одной GPU.
Новое поколение видеогенерации от Alibaba: кинематографичные ролики по тексту и изображению, звук синхронно с картинкой, открытые веса.
Оживление изображений без дообучения: модуль движения превращает любую Stable Diffusion в генератор анимации по текстовому описанию.
Ускоренная версия Automatic1111 от автора ControlNet: меньше видеопамяти, быстрее генерация и совместимость с расширениями на слабых GPU.
Интерактивная генерация изображений в реальном времени: диффузия за десятки миллисекунд на кадр — для живых фильтров, игр и творчества.
База знаний для команд с открытым кодом: быстрый редактор с блоками, совместное редактирование и поиск — удобная замена Confluence для внутренней wiki.
Редактор, где документ и доска — одно и то же: белые страницы, канбан и таблицы переключаются мгновенно, с самохостингом и ИИ-помощником.
Открытая замена Notion: документы, базы данных и wiki на своём устройстве или сервере, с поддержкой локальных и облачных ИИ-моделей.
Знания ИИ-ассистента в простых Markdown-файлах на диске: память с графом сущностей, которую удобно читать, редактировать и синхронизировать через Git.
Открытая платформа computer-use агентов: воспроизводит реальные рабочие сценарии на виртуальных машинах — от бронирования билетов до заполнения отчётов.
Десктопный GUI-агент от ByteDance: управляет любым приложением — кликает, печатает и читает экран по текстовой инструкции, модель работает локально или в облаке.
Распознавание речи в реальном времени на базе Whisper: стриминг с сервером на GPU, перевод на лету и замена диктора для клонирования голоса.
Популярный десктопный инструмент для удаления вокала: десятки моделей разделения источников, пакетная обработка и гибкие настройки в GUI.
Эталонное разделение источников от Meta: разбивает любую песню на вокал, барабаны, бас и другие дорожки с качеством, ставшим стандартом отрасли.
Аудио в MIDI за секунды от Spotify: распознаёт ноты и полифонию в любой записи — от пианино до вокала — с малым потреблением ресурсов.
Быстрая открытая модель музыки: генерация трека за секунды, тексты песен на 19 языках и дообучение на собственном стиле без больших затрат.
Открытый аналог Suno: полноценные песни с вокалом из текста и стиля — разметка структуры трека, мультиязычный вокал и до 5 минут музыки.