Модели
Цены в рублях за 1 млн токенов или за единицу результата. Списание — по факту.
MMAudio генерирует синхронизированный звук по тексту. Может создавать звуки, описанные в промпте.
F5 TTS
Генерирует инструментальную музыку по текстовому описанию или загруженному инструментальному референсу, поддерживает несколько вариантов.
Качественная модель синтеза речи на британском английском с естественным и выразительным звучанием.
Модель синтеза речи на испанском с естественным звучанием, оптимизированная для латиноамериканского и европейского вариантов языка.
Естественная и выразительная модель синтеза речи на бразильском португальском, оптимизированная для чёткости и плавности.
Выразительная и естественная модель синтеза речи на французском, подходящая и для европейского, и для канадского варианта.
Качественная модель синтеза речи на итальянском языке: плавная и выразительная озвучка.
Очень быстрая модель DiffRhythm превращает тексты песен в полноценные композиции. Генерирует целую песню меньше чем за 30 секунд.
Быстрая модель синтеза речи на японском с естественным звучанием, оптимизированная для плавного произношения.
Клонирует голос любого человека и озвучивает любой текст этим голосом с помощью клонирования голоса в zonos.
Быстрая и выразительная модель синтеза речи на хинди с чётким произношением и точной интонацией.
Эффективная модель синтеза речи на китайском (мандарин), передающая естественные тона и просодию.
CSM (Conversational Speech Model) — модель генерации речи от Sesame, которая создаёт RVQ-аудиокоды по тексту и аудио на входе.
Качественная генерация аудио по тексту на базе LTX-2.3.
Качественная генерация аудио по тексту с помощью LTX-2.3 и LoRA.
Генерирует аудио подкаста по упорядоченной последовательности реплик: для каждой реплики задаются текст и голос.