Модели

Universal-3.5 Pro — это модель преобразования речи в текст от AssemblyAI, обслуживаемая через API синхронизации, возвращающая полную расшифровку с временными метками на уровне слов…

MiMo-V2.6-Pro-UltraSpeed ​​— это высокоскоростная версия флагманской базовой модели Xiaomi MiMo-V2.6-Pro. Созданный на основе той же контрольной точки 1T MiMo-V2.6-Pro, он соответс…

MiMo-V2.6-Flash — это базовая модель с открытым исходным кодом, разработанная Xiaomi. Построенный на архитектуре Mixture-of-Experts с общим числом параметров 309B и активацией 15B…

MiMo-V2.6-Pro — флагманская базовая модель, разработанная Xiaomi. Созданный в масштабе более 1Т параметров, он предназначен для того, чтобы расширить возможности самых ресурсоемких…

Muse Voice Transcribe 1.0 — это синхронная модель преобразования речи в текст от Meta. Он подходит для транскрипции в режиме «нажми и говори», конечной точки и транскрипции с учето…

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…

Gemini 3.8 Flash — это самая интеллектуальная модель Flash от Google, которая значительно превосходит версию 3.7 Flash в разработке программного обеспечения, агентских задачах и мн…

Gemini 3.8 Flash — это самая интеллектуальная модель Flash от Google, которая значительно превосходит версию 3.7 Flash в разработке программного обеспечения, агентских задачах и мн…

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…

Voxtral Small 24B 2507 STT — модель транскрипции речи от Mistral AI. Он подходит для рабочих нагрузок транскрипции, перевода и понимания звука, которые выигрывают от большей емкост…

Voxtral Mini 3B 2507 — модель распознавания речи и звука от Mistral AI. Он подходит для транскрипции, перевода и компактной обработки звука.

Gemini 3.7 Flash — это мультимодальная модель от Google для быстрых агентских рабочих процессов, кодирования и сложных многоэтапных рассуждений. Он предназначен для задач, требующи…

Gemini 3.7 Flash — это мультимодальная модель от Google для быстрых агентских рабочих процессов, кодирования и сложных многоэтапных рассуждений. Он предназначен для задач, требующи…

Qwen3 ASR 1.7B — модель автоматического распознавания речи от Qwen. Он поддерживает многоязычную идентификацию и транскрипцию на 30 языках и 22 китайских диалектах, с потоковой пер…

Qwen3 ASR 0.6B — компактная модель автоматического распознавания речи от Qwen. Он поддерживает многоязычную идентификацию и транскрипцию на 30 языках и 22 китайских диалектах, с по…

Seedance 2.0 Mini — модель генерации видео от ByteDance. Он поддерживает преобразование текста в видео, изображение в видео с контролем первого и последнего кадра, а также мультимо…

Seedance 2.5 — это модель генерации видео от ByteDance. Он подходит для подробного повествования, создания мультимодальных ссылок, редактирования видео и расширения видео. Он подде…

GPT Transcribe — это высокоточная модель преобразования речи в текст от OpenAI. Он подходит для записи аудио, потоковой транскрипции файлов и совершенных поворотов в реальном време…

Inkling Small — это открытая мультимодальная смешанная модель экспертов от Thinking Machines Lab с 12B активных параметров из 276B. Он позиционируется как меньший по размеру и боле…

Inkling Small — открытая мультимодальная MoE-модель Thinking Machines Lab с 12B активными параметрами из 276B общих. Меньший и более эффективный член семейства Inkling; подходит дл…

MiniMax H3 — это легкая модель генерации видео с открытым весом от MiniMax. Он предназначен для точного мультимодального редактирования и контролируемой генерации контента, включая…

Transcribe 1 — это модель преобразования речи в текст от Fish Audio. Он подходит для транскрипции аудио с автоматическим определением языка и может возвращать сегменты уровня слова…

Grok STT — это модель преобразования речи в текст SpaceXAI, доступная через конечную точку REST /v1/stt. Он поддерживает транскрипцию с временными метками на уровне слов, дополните…

Gemini 3.6 Flash — это высокоэффективная модель от Google для кодирования, агентных рабочих процессов, а также разработки веб-сайтов и приложений. Он предназначен для получения без…

Gemini 3.6 Flash — это высокоэффективная модель от Google для кодирования, агентных рабочих процессов, а также разработки веб-сайтов и приложений. Он предназначен для получения без…

Gemini 3.5 Flash Lite — высокопроизводительная модель от Google с расширенными агентскими возможностями. Он подходит для субагентов, выполняющих целенаправленные задачи в рамках сл…

Gemini 3.5 Flash Lite — высокопроизводительная модель от Google с расширенными агентскими возможностями. Он подходит для субагентов, выполняющих целенаправленные задачи в рамках сл…

Inkling — это открытая мультимодальная смешанная модель экспертов от Thinking Machines Lab с 41 млрд активных параметров из 975 млрд. Он предназначен для рассуждений общего назначе…

Inkling — это открытая мультимодальная смешанная модель экспертов от Thinking Machines Lab с 41 млрд активных параметров из 975 млрд. Он предназначен для рассуждений общего назначе…

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…

Gemini Embedding 2 — первая мультимодальная модель внедрения Google. В настоящее время мы поддерживаем отображение текста и изображений в единое векторное пространство для семантич…

Gemini Embedding 2 — первая мультимодальная модель внедрения Google. В настоящее время мы поддерживаем отображение текста и изображений в единое векторное пространство для семантич…

Gemini 3.5 Flash — это высокоэффективная мультимодальная модель Google, обеспечивающая кодирование и анализ на уровне профессионального уровня при стоимости и скорости уровня Flash…

Gemini 3.5 Flash — это высокоэффективная мультимодальная модель Google, обеспечивающая кодирование и анализ на уровне профессионального уровня при стоимости и скорости уровня Flash…