Разделение звука по текстовому запросу: выделите «собачий лай» или «фортепиано» из любой записи одним описанием — без разметки источников.
Открытая российская модель генерации изображений: текст-в-изображение с пониманием русского языка, разработка команды Сбера — одна из первых открытых моделей в мире.
Восстановление и апскейл изображений по текстовой подсказке: старые фото превращаются в детализированные снимки — модель дорисовывает правдоподобные детали.
Комиксы с консистентным персонажем: серия кадров, где герой не меняется — единый стиль и лицо на всех изображениях истории.
Оживление портрета аудио и жестами от Ant Group: стабильные длинные анимации с контролем поз — от шёпота до выразительной речи.
Аватары с управлением движением: говорящая голова повторяет любое эталонное видео движений — кивки, жесты, взгляд переносятся на статичное фото.
Оживление портрета голосом: фото начинает говорить с естественной мимикой — один из самых цитируемых методов говорящих голов.
Полностью локальный агент в духе Manus: самостоятельно ищет в браузере, пишет и запускает код, работает с файлами — без единого запроса в облако.
Самохостинговая wiki для команд: совместное редактирование, диаграммы и вложенные страницы — открытая альтернатива Confluence и Notion для внутренней базы знаний.
ИИ-ассистент для почты с открытым кодом: автоматические ответы, разметка рассылок и аналитика почтовых привычек — ради нуля непрочитанных.
Золотой стандарт RAG от Weaviate: загрузите документы — и получите чат с поиском по ним, готовый к работе за минуты с настраиваемыми компонентами.
Чат с вашей документацией: загрузите базу знаний компании — сотрудники задают вопросы на естественном языке и получают ответы со ссылками.
Whisper на стероидах: транскрипция часового подкаста за секунды на одном GPU — за счёт батчинга, FlashAttention и оптимизаций transformers.
Быстрая модель распознавания речи: работает в 5 раз быстрее реального времени на обычном CPU — для голосовых интерфейсов и транскрипции на устройстве.
Синтез речи с акцентным контролем от ByteDance: клонирует голос с точностью до акцента и интонаций, обрабатывает многоязычные тексты.
Синтез речи от ByteDance: нулевое клонирование голоса по текстовому описанию и образцу, качественная русская речь и стриминг.
Современный интерфейс для RVC: клонирование голоса и пения без командной строки — с предобученными моделями и поддержкой новых версий RVC.
Преобразование голоса в пение: перенесите вокал с одной записи на другую — инструмент, сделавший AI-каверы массовыми.
Популярное клонирование и озвучка голосом: одного минутного образца хватает для качественного TTS — от нарезок любимых персонажей до полноценной озвучки.
Видеогенерация пирамидой потоков: текст в ролики вплоть до 10 секунд с каскадным повышением разрешения — при обучении на 20 000 GPU-часов вместо миллионов.