Модели

Клонируйте свой голос с помощью модели Qwen3-TTS Clone-Voice (клонирование без дообучения на примерах) и используйте его в моделях синтеза речи, чтобы озвучивать тексты своим голосом.

Клонируйте свой голос с помощью модели Qwen3-TTS Clone-Voice (zero-shot клонирование) и используйте его в моделях синтеза речи, чтобы озвучивать тексты своим голосом.

Создание голосов для управления голосом в моделях Kling.

Stable Audio 3 Medium audio-to-audio — латентная диффузионная модель на 1,4 млрд параметров. По входному аудиоклипу и текстовому промпту создаёт новые стереовариации длительностью до 6 минут.

Генерация качественной музыки и звуковых эффектов с помощью Stable Audio 2.5 от StabilityAI

Дорисовка фрагментов в аудио в Stable Audio 3 Medium: латентная диффузионная модель на 1,4 миллиарда параметров, которая по текстовым промптам заполняет или переделывает выбранные участки стереотрека. Поддерживает редактирование одного и нескольких фрагментов.

Латентная диффузионная модель Stable Audio 3 Small SFX audio-to-audio на 459 млн параметров. Преобразует входное аудио в новые варианты звуковых эффектов по текстовым промптам.

Модель Stable Audio 3 Medium для расширения аудио (outpainting): латентная диффузионная модель на 1.4 миллиарда параметров, которая продолжает существующее стереозвучание за пределы исходной концовки путём каузального продолжения по текстовым промптам.

Stable Audio 3 Small Music audio-to-audio — латентная диффузионная модель на 459 миллионов параметров, которая превращает входную музыку в новые вариации длиной до 2 минут по текстовым запросам.

Stable Audio 3 Small Music для продолжения музыки — латентная диффузионная модель на 459 млн параметров, которая продлевает композиции за пределы исходного окончания с помощью каузального продолжения.

Создание качественной музыки и звуковых эффектов с помощью Stable Audio 2.5 от StabilityAI.

Stable Audio 3 Medium Base audio-to-audio — базовый чекпоинт на 1,4 млрд параметров, который по текстовому запросу преобразует входное аудио в новые стереовариации длительностью до 6 минут.

Stable Audio 3 Medium Base для дорисовки аудиофрагментов — базовый чекпоинт на 1,4 млрд параметров для редактирования или заполнения выбранных стереофрагментов по текстовым промптам.

Stable Audio 3 Small Music Base audio-to-audio — базовый чекпойнт на 459 миллионов параметров, который превращает входную музыку в новые вариации длиной до 2 минут по текстовым промптам.

Базовый чекпоинт Stable Audio 3 Small SFX Base для преобразования аудио в аудио: на 459 млн параметров, создаёт из входного звука новые варианты звуковых эффектов по текстовому промпту.

Базовый чекпоинт Stable Audio 3 Small Music Base для продления музыкальных треков: на 459 млн параметров, causal-продолжение по текстовому промпту.

Модель Stable Audio 3 Small SFX для продления звуковых эффектов: латентная диффузионная модель на 459 млн параметров, которая продолжает трек за пределы исходного окончания методом causal-продолжения.

Базовый чекпоинт Stable Audio 3 Small SFX Base для продления звуковых эффектов: на 459 млн параметров, causal-продолжение по текстовому промпту.

Базовый чекпоинт Stable Audio 3 Medium Base для продления аудио: на 1.4 млрд параметров, продолжает существующее стереозвучание методом causal-продолжения по текстовому промпту.

Модель Stable Audio 3 Small SFX для дорисовки фрагментов звуковых эффектов: латентная диффузионная модель на 459 млн параметров, которая заполняет или переделывает выбранные участки трека по текстовому промпту.

Модель Stable Audio 3 Small Music для дорисовки фрагментов музыкальных треков: латентная диффузионная модель на 459 млн параметров, которая заполняет или переделывает выбранные участки трека по текстовому промпту.

Инпейнтинг аудио в Stable Audio 3 Small SFX Base — базовый чекпоинт на 459 миллионов параметров для редактирования или заполнения выбранных фрагментов звуковых эффектов по текстовым промптам.

Инпейнтинг аудио в Stable Audio 3 Small Music Base — базовый чекпоинт на 459 миллионов параметров для редактирования или заполнения выбранных музыкальных фрагментов по текстовым промптам.

Выделение аудиодорожек с помощью передовой технологии ElevenLabs для изоляции звука.

Замена голосов в аудиозаписях на голоса из ElevenLabs.

SOTA-модель для разделения музыки на стемы: вокал, ударные, бас, гитара и другое.

Модель для понимания аудио: анализирует содержимое звука и отвечает на вопросы о том, что в нём происходит, по запросам пользователя.

Разделение аудио с помощью SAM Audio. Выделяйте любой звук текстовым описанием на естественном языке: профессиональная обработка аудио, доступная авторам, исследователям и разработчикам решений для доступности.

Объединение нескольких аудио в одно с помощью FFmpeg API.

Улучшает качество речи в аудио: убирает фоновый шум и повышает частоту дискретизации до 48KHz.

Речь студийного качества из зашумлённых записей

Генерация музыки по тексту песни и образцу аудио с помощью ACE-Step.

Разделение аудио с помощью SAM Audio. Позволяет выделить любой звук по описанию на естественном языке — профессиональный монтаж звука стал проще для авторов, исследователей и в задачах доступности.

Изменение фрагмента аудио по тексту песни и/или стилю с помощью ACE-Step

Утилита FFMPEG для сжатия аудио

Продление начала или конца аудио с текстом песни и/или заданным стилем с помощью ACE-Step.