Модели

Nemotron 3.5 Transcribe — это модель распознавания речи с открытым весом от NVIDIA, смесь экспертов из 30 бит и около 4 бит активных параметров. Он расшифровывает записи продолжите…

HeyGen Video — это универсальная модель генерации видео от HeyGen. Он визуализирует короткие клипы с синтезированным звуком (диалогами, атмосферой и звуковыми эффектами) за один вы…

MAI-Transcribe 2 — это многоязычная модель преобразования речи в текст от Microsoft AI, занявшая первое место в многоязычном тесте FLEURS. Он поддерживает 60 языков с автоматическо…

HeyGen: Avatar IV — это модель преобразования изображения в видео, которая анимирует одну фотографию в выразительное видео с говорящей головой, синхронизированное по губам. Вместо…

Nemotron 3.5 ASR Streaming Multilingual 0.6B — модель распознавания речи от NVIDIA. Его конструкция FastConformer-RNNT с подсказками и поддержкой кэша предназначена для транскрипци…

Универсальная модель преобразования речи в текст Deepgram Nova-3 с поддержкой одноязычной и многоязычной транскрипции.

MAI-Transcribe 1.5 — это многоязычная модель преобразования речи в текст от Microsoft AI. Он подходит для субтитров, транскрипции вызовов, субтитров, специальных возможностей и дру…

Parakeet TDT 0.6B v3 — это многоязычная модель преобразования речи в текст NVIDIA с 600 млн параметров, построенная на архитектуре FastConformer-TDT. Обученный на наборе данных Gra…