Нейросети для озвучки текста через API

Orpheus 3B — это англоязычная модель преобразования текста в речь от Canopy Labs, доработанная для естественной просодии и выразительной подачи. Она предлагает 7 предустановленных голосов и подходит для повествования, голосовых помощников…

Aura-2 — это мультиязычная модель преобразования текста в речь от Deepgram. Она поддерживает канонический каталог голосов Aura-2 от Deepgram для синтеза речи на нескольких языках.

Kokoro 82M — это легковесная, открытая модель преобразования текста в речь от hexgrad. Она преобразует текст в речь на 8 языках (американский и британский английский, испанский, французский, хинди, итальянский, японский, португальский и…

microsoft

MAI-Voice-2 — это выразительная модель преобразования текста в речь от Microsoft. Она подходит для разговорных помощников, озвучивания медиа, обеспечения доступности, образования и других голосовых приложений с длинными текстами. Она…

microsoft

MAI-Voice-2-Flash — это модель преобразования текста в речь с низкой задержкой от Microsoft, предназначенная для голосовых агентов, ассистентов, колл-центров, обеспечения доступности, озвучивания и других интерактивных приложений. Она…

minimax

MiniMax Speech 2.8 HD — это модель преобразования текста в речь от MiniMax. Она подходит для приложений, которые генерируют речь из текста и принимает произвольные идентификаторы голоса MiniMax.

minimax

MiniMax Speech 2.8 Turbo — это модель преобразования текста в речь от MiniMax. Она подходит для приложений, которые генерируют голосовое аудио из текста, и принимает произвольные идентификаторы голоса MiniMax.

mistralai

Voxtral Mini TTS — это модель преобразования текста в речь от Mistral, поддерживающая клонирование голоса с нулевым обучением и многоязычность. Она преобразует текстовый ввод в естественно звучащий аудиовыход.

qwen

Qwen-Audio-3.0-TTS Flash — это быстрая и экономичная модель преобразования текста в речь от Alibaba, генерирующая озвученный аудиоконтент из текста через API DashScope Speech Synthesizer.

qwen

Qwen-Audio-3.0-TTS Plus — это высококачественная модель преобразования текста в речь от Alibaba, генерирующая озвученный аудиоконтент из текста через API DashScope Speech Synthesizer.

CSM 1B — это разговорная речевая модель от Sesame. Она принимает текстовый ввод и генерирует англоязычную речь, предлагая варианты голоса в разговорном стиле и стиле чтения. Имея 1 миллиард параметров, она...

Grok Voice TTS 1.0 — это модель преобразования текста в речь (text-to-speech) от xAI. Она преобразует текст в аудио на более чем 20 языках с автоматическим определением языка и предлагает пять встроенных голосов (Eve, Ara,...