Модели

Синтез речи SaluteSpeech (GigaChat) через Realtime API cloud.ru: текст на входе, аудио на выходе.

GigaASR — распознавание речи Sber, тарификация по секундам аудио.

Giga-Embeddings-instruct 480M — компактная модель эмбеддингов Sber.

Giga-Embeddings-instruct 3B — модель эмбеддингов Sber для поиска и RAG.

GigaChat 3 10B A1.8B — компактная открытая текстовая модель Sber.

GigaChat 3.5 432B A28B Reasoning — открытая reasoning-модель Sber с длинным контекстом.

GigaChat 3 Pro — флагманская текстовая модель Sber для сложных рассуждений и агентских задач.

Riverflow 2.6 Pro — это флагманская модель линейки Sourceful Riverflow 2.6, унифицированного семейства преобразований текста в изображение и изображения в изображение, которое расс…

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 Voice Turbo — это версия HeyGen Voice с меньшей задержкой, модели преобразования текста в речь HeyGen. Он имеет те же 10 голосов по умолчанию или используйте свой собственны…

NVIDIA Nemotron 3.5 Super VL — это открытая мультимодальная модель смешанных экспертов от NVIDIA с 12B активных параметров из 120B. Он принимает текст, изображения, документы, сним…

HeyGen Voice — это модель преобразования текста в речь от HeyGen. Он поставляется с 10 голосами по умолчанию или используйте свой собственный ключ HeyGen, чтобы использовать голосо…

Eleven v4 — это модель преобразования текста в речь от ElevenLabs. Это самая выразительная модель ElevenLabs со встроенными аудиотегами для управления эмоциями и доставкой, поддерж…

Eleven v4 Turbo — это модель преобразования текста в речь с малой задержкой от ElevenLabs. Он сохраняет выразительную доставку и аудиотеги Eleven v4, но при этом настроен на более…

Eleven v3 — это модель преобразования текста в речь от ElevenLabs. Он производит эмоционально насыщенную, очень выразительную речь со встроенными аудиотегами, поддерживает более 70…

Eleven v3 Conversational — это модель преобразования текста в речь от ElevenLabs, вариант Eleven v3, оптимизированный для естественного диалога в диалоговых агентах. Он поддерживае…

Eleven Flash v2.5 — это модель преобразования текста в речь со сверхмалой задержкой от ElevenLabs. Он подходит для разговорного общения и использования в режиме реального времени,…

Eleven Turbo v2 — это модель преобразования текста в речь с малой задержкой только на английском языке от ElevenLabs. Он подходит для случаев использования разработчиками, где скор…

Eleven Multilingual v2 — это модель преобразования текста в речь от ElevenLabs. Он подходит для реалистичного, последовательного длинного повествования, такого как закадровый голос…

Eleven Turbo v2.5 — это модель преобразования текста в речь с малой задержкой от ElevenLabs. Он сочетает в себе качество и скорость для случаев использования разработчиками, которы…

Eleven Flash v2 — это модель преобразования текста в речь только на английском языке со сверхмалой задержкой от ElevenLabs. Он подходит для разговорного английского языка и использ…

ElevenLabs Scribe v2 — это модель преобразования речи в текст, которая транскрибирует аудио на более чем 90 языках с временными метками на уровне слов, дополнительной диаризацией г…

ElevenLabs Scribe v2 Medical — это модель преобразования речи в текст, настроенная для клинической и медицинской терминологии, с метками времени на уровне слов, дополнительной диар…

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

Wan 3.0 Prime — это вариант Wan 3.0 в быстром режиме. на Alibaba. Он поддерживает преобразование текста в видео и преобразование изображения в видео из первого кадра.

Wan 3.0 — это модель генерации видео от Alibaba для преобразования текста в видео, изображения в видео и создания видео со ссылкой на ссылки. Он производит видео 480p, 720p или 108…

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…

NVIDIA Nemotron 3.5 Lightning — это открытая смешанная модель от NVIDIA с 3B активных параметров из 30B. Он подходит для высокопроизводительных агентских рабочих нагрузок и специал…

Laguna S 2.1 — новейшая модель агента кодирования от Poolside Laguna S 2.1 — это модель с общим объемом 118B и 8B активных параметров, набравшая 70,2% в Terminal-Bench 2.1 и 40,4%…

HappyHorse 1.1 — модель генерации видео от Alibaba. Он генерирует короткие видеоролики из текстовой подсказки, одного начального изображения или набора эталонных изображений с разр…

HappyHorse 1.0 — модель генерации видео от Alibaba. Он генерирует короткие видеоролики из текстовой подсказки, одного начального изображения или набора эталонных изображений с разр…

Riverflow V2.5 Pro — это самый мощный вариант линейки Sourceful Riverflow 2.5, который лучше всего подходит для управления высшего уровня и вывода, чувствительного к качеству. Сер…

Riverflow V2.5 Fast — это оптимизированный по скорости вариант линейки Sourceful Riverflow 2.5, лучше всего подходящий для производственных развертываний и рабочих процессов с крит…

NVIDIA Nemotron 3.5 Content Safety — это компактная 4B-параметрическая мультимодальная модель ограждения от NVIDIA, доработанная с помощью Google Gemma-3-4B. Он модерирует как вход…

NVIDIA Nemotron 3 Ultra — это открытая модель рассуждений и оркестрации от NVIDIA с 55B активных параметров из общего числа 550B (MoE). Построенный на гибридной архитектуре, состоя…

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…

Wan 2.7 — модель генерации видео от Alibaba. Он поддерживает преобразование текста в видео, изображение в видео с контролем первого и последнего кадра, а также ссылку на видео, где…

Самая совершенная модель создания видео от Alibaba, поддерживающая более 10 возможностей визуального создания в единой системе. Wan 2.6 генерирует видео 1080p со скоростью 24 кадра…

NVIDIA Nemotron 3 Super — это открытая гибридная модель MoE со 120 битами параметров, активирующая всего 12 миллиардов параметров для максимальной эффективности и точности вычислен…