Модели

Seed Speech от ByteDance — семейство масштабных моделей синтеза речи, способных создавать звучание, которое практически невозможно отличить от человеческого.

Синтез естественной многоязычной речи из текста с быстрым выбором голоса и языка на базе Qwen Audio 3.0 TTS Flash.

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

Stable Audio 3 Medium — латентная диффузионная модель на 1.4 миллиарда параметров. Генерирует качественную стереомузыку длительностью до 6 минут по текстовым запросам. Обучена на полностью лицензированных данных, поэтому безопасна для коммерческого использования.

Модель с открытым исходным кодом для генерации аудио по тексту.

Латентная диффузионная модель Stable Audio 3 Small SFX на 459 миллионов параметров генерирует качественные звуковые эффекты по текстовым промптам. Рассчитана на запуск прямо на устройстве: на смартфонах и обычных ноутбуках.

Stable Audio 3 Small Music — латентная диффузионная модель на 459 миллионов параметров, которая по текстовому описанию создаёт полноценные стереокомпозиции длиной до 2 минут. Достаточно компактна для запуска прямо на устройстве.

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.

Базовый чекпойнт Stable Audio 3 Medium на 1,4 млрд параметров для генерации звука по тексту: создаёт стереомузыку длиной до 6 минут. Предназначен как неизменённая основа для собственного дообучения.

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.

Stable Audio 3 Small SFX Base — базовый чекпоинт на 459 миллионов параметров, который генерирует звуковые эффекты по текстовым промптам. Предназначен как исходная модель для дообучения.

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 — базовый чекпоинт на 459 млн параметров, который генерирует по текстовым промптам полноценные музыкальные композиции длиной до 2 минут. Предназначен как исходная модель для дообучения.

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.

Генерация звуковых эффектов с помощью продвинутой модели звуковых эффектов ElevenLabs.

Синтез речи с помощью Eleven-v3 от ElevenLabs.

Scribe-V2 от ElevenLabs — сверхбыстрое распознавание речи.

Синтез выразительной речи с Eleven v4 от ElevenLabs. Подачу можно настраивать с помощью аудиотегов, параметров стабильности голоса и сходства, а также произношения в IPA.

Синтез мультиязычной речи с помощью ElevenLabs TTS Multilingual v2.

Создавайте качественную реалистичную музыку с тонкими настройками в Elevenlabs Music!