Открытая платформа аудио-генерации от OpenMMLab: TTS, клонирование голоса, преобразование голоса и восстановление аудио.
Открытая коллекция паттернов промптов с CLI: суммаризация, анализ, вывод мыслей — сотни готовых сценариев сообщества.
Мгновенная персонализация генерации изображений: одно фото лица — и любые генерации Stable Diffusion с этим лицом, без обучения.
Создание персонализированных изображений людей: несколько фото — и модель генерирует новые портреты в разных стилях и локациях.
Открытая генерация 3D-моделей: изображение превращается в детализированную трёхмерную сетку с текстурами.
Генерация длинных видео на видеокартах с 6 ГБ памяти: автор ControlNet сжимает контекст, сохраняя качество движений.
Открытая модель генерации видео от Genmo: гладкое движение, физика и превосходное следование промпту при полностью открытых весах.
Сверхбыстрая генерация видео: модель нового поколения, создающая плавные ролики в реальном времени на одном GPU.
Открытая модель генерации видео от Alibaba: текст и изображения в видео, эффекты, транзиции и озвучка — с открытыми весами.
Открытая генерация видео от Zhipu AI: модели до 5 миллиардов параметров, текст и изображения в видео через Diffusers.
Готовые компактные модели речи: STT на десятках языков и TTS — всё работает на CPU быстрее реального времени.
Универсальный переводчик Meta: речь в речь, текст и речь в текст между сотней языков — сохраняет голос и эмоции говорящего.
Бесплатный API машинного перевода с открытым кодом: разверните свой сервер перевода и не зависите от коммерческих API.
Офлайн-переводчик с открытым кодом: работает полностью на устройстве, пакеты языков скачиваются отдельно.
Эталонная библиотека диаризации речи: определяет «кто и когда говорил» в аудиозаписях — от звонков до совещаний.
Whisper с пословными таймкодами и разделением говорящих: транскрибация интервью и встреч с точной разметкой по времени.
Открытый клонинг голоса от MyShell: копирует тембр диктора и переносит акценты на другие языки без повторного обучения.
Лёгкий быстрый TTS от MyShell: синтез на CPU в реальном времени, поддержка английского, испанского, французского, китайского и японского.
Потоковый синтез речи с клонированием голоса: 15 секунд образца — и модель озвучивает любой текст интонациями диктора.
MCP-сервер для Google Таблиц: агенты читают и редактируют ячейки, строят сводки и работают с данными из чата.