Модели
Цены в рублях за 1 млн токенов или за единицу результата. Списание — по факту.
Генерация качественной реалистичной музыки с гибким управлением в Elevenlabs Music v2.5.
Распознавание речи с помощью продвинутой модели ElevenLabs: преобразует голос в текст.
Быстрый синтез речи с помощью ElevenLabs TTS Turbo v2.5.
Синтез речи с помощью Eleven v4 Turbo от ElevenLabs. Можно выбрать голос и управлять подачей с помощью аудиотегов, настроек стабильности и сходства, а также произношения в IPA.
Выделение аудиодорожек с помощью передовой технологии ElevenLabs для изоляции звука.
Замена голосов в аудиозаписях на голоса из ElevenLabs.
Генерация реалистичных аудиодиалогов с помощью Eleven-v3 от ElevenLabs.
Выравнивание транскрипта и аудиозаписи с помощью функции forced alignment от ElevenLabs.
Генерация качественной реалистичной музыки с тонкой настройкой параметров в Elevenlabs Music v2.
[Экспериментально] Whisper v3 Large, оптимизированная нашими специалистами по инференсу. Тот же WER, производительность вдвое выше!
SOTA-модель для разделения музыки на стемы: вокал, ударные, бас, гитара и другое.
Модель CassetteAI генерирует 30-секундный фрагмент менее чем за 2 секунды, а полноценный трек на 3 минуты — менее чем за 10 секунд. Стереозвук 44.1 кГц отличается профессиональной стабильностью: без обрывов, скрипов и случайных помех.
Генерация музыки с текстом песни по текстовому описанию на базе ACE-Step
Модель для понимания аудио: анализирует содержимое звука и отвечает на вопросы о том, что в нём происходит, по запросам пользователя.
Компактная модель для синтеза речи: качество сопоставимо с более крупными моделями, а работает она заметно быстрее и дешевле.
Генерирует лицензированную музыку, безопасную для коммерческого использования, по одному текстовому запросу. Стиль, настроение, инструментовку и точную длительность можно задавать полностью.
HeyGen Voice превращает текст в естественную речь, используя голос из библиотеки или мгновенный клон голоса по референсной записи.
Преобразование голоса с помощью Chatterbox от Resemble AI. Превращайте аудио в новые голоса или в ваши собственные образцы: результат получается выразительным, а встроенный перцептивный водяной знак защищает запись.
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.
Эндпоинт синтеза речи для Inworld TTS-1.5 Max.
Создаёт синхронизированные саундтреки для видео в виде аудиофайлов, при этом речь можно сохранить или отделить. Через промпт можно добавить внекадровые звуки и фоновую атмосферу.
Для мемов, видео, игр и ИИ-агентов: Chatterbox оживляет ваш контент. Первая TTS-модель от Resemble AI.
Для мемов, видео, игр и ИИ-агентов: Chatterbox оживляет ваш контент. Первая TTS-модель от Resemble AI.
Генерирует по текстовому промпту качественные звуковые эффекты, безопасные для коммерческого использования. Можно управлять типом, текстурой, интенсивностью и точной длительностью звука.
Для мемов, видео, игр и ИИ-агентов: Chatterbox оживляет ваш контент. Первая модель синтеза речи от Resemble AI.
Генерация музыки по простому текстовому запросу с помощью ACE-Step.
Генерация звуковых эффектов и атмосферных звуков по текстовому описанию: длительность до 600 секунд, до 4 вариантов на запрос.
Генерация песен по текстовому промпту или заданной лирике. Доступны настройки музыкального стиля, вокала, референсного аудио и мелодии, а также создание нескольких вариантов.
Генерация естественной и чёткой речи с помощью Index TTS 2.0 от IndexTeam
Реалистичные звуковые эффекты за секунды: модель CassetteAI для звуковых эффектов генерирует качественные SFX длительностью до 30 секунд всего за 1 секунду обработки
Генерация выразительной и естественной речи с помощью Chatterbox от Resemble AI. Уникальное управление эмоциями, мгновенное клонирование голоса по короткой аудиозаписи и встроенные водяные знаки.
Объединение нескольких аудио в одно с помощью FFmpeg API.
Улучшает качество речи в аудио: убирает фоновый шум и повышает частоту дискретизации до 48KHz.
Быстрый и недорогой уровень HeyGen Voice: голоса из библиотеки и мгновенное клонирование по референсному клипу.
MMAudio генерирует синхронизированный звук по тексту. Может создавать звуки, описанные в промпте.
Анализирует видео и создаёт синхронизированные звуковые эффекты без лицензионных отчислений, привязанные по времени к происходящему в кадре. Возвращает аудиодорожку со звуковыми эффектами для коммерческого использования.