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.

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…

MiniMax-M3.1-Flash — мультимодальная модель от MiniMax. По сравнению с M3 он обеспечивает значительные улучшения во многих тестах, особенно в сложных агентских задачах, кодировании…

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…

Gemini 4 Argon — это флагманская модель рассуждения Google, созданная для разработки сложного программного обеспечения, глубокого решения математических и научных задач, а также ав…

Gemini 4 Argon — это флагманская модель рассуждения Google, созданная для разработки сложного программного обеспечения, глубокого решения математических и научных задач, а также ав…

Nano Banana 2.1 (Gemini Nano Banana 2.1) — это модель Google для создания и редактирования изображений на уровне Flash, пришедшая на смену Nano Banana 2 и Nano Banana Pro. Он улучш…

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

Gemini 3.5 Transcribe — это модель преобразования речи в текст от Google. Он подходит для синхронной транскрипции, требующей временных меток на уровне слов или дневникирования гово…

Gemini 3.8 Flash Lite TTS — это модель преобразования текста в речь от Google, быстрый и высокопроизводительный представитель семейства 3.8 TTS наряду с Gemini 3.8 Flash TTS. Он по…

Gemini 3.8 Flash TTS — это модель преобразования текста в речь от Google, преемница Gemini 3.1 Flash TTS Preview. Это творческий уровень семейства 3.8 TTS, подходящий для повествов…

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…

MiniMax H3 Max — модель видеогенерации от MiniMax, выпущенная совместно с fal.ai. Созданный в результате дополнительного обучения на MiniMax H3, он предназначен для более быстрого…

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

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…

Flux TTS — это модель преобразования текста в речь от Deepgram. Он подходит для естественного, выразительного синтеза английской речи в голосовом каталоге Flux Deepgram.

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

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…

Aura-2 — это многоязычная модель преобразования текста в речь от Deepgram. Он поддерживает канонический голосовой каталог Aura-2 Deepgram для синтеза речи на нескольких языках.

MiniMax Speech 2.8 HD — это модель преобразования текста в речь от MiniMax. Он подходит для приложений, генерирующих голосовой звук из текста, и принимает произвольные голосовые ид…

MiniMax Speech 2.8 Turbo — это модель преобразования текста в речь от MiniMax. Он подходит для приложений, генерирующих голосовой звук из текста, и принимает произвольные голосовые…

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

Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image) — это самая быстрая и экономичная модель изображений Gemini от Google, созданная для высокоскоростных конвейеров разработки и быстр…

Gemini 3.1 Flash Image, также известный как «Nano Banana 2», — это новейшая современная модель Google для создания и редактирования изображений, обеспечивающая визуальное качество…

Nano Banana Pro — это самая совершенная модель Google для создания и редактирования изображений, созданная на базе Gemini 3 Pro. Он расширяет оригинальный Nano Banana за счет значи…

MiniMax-M3 – мультимодальная модель фундамента от MiniMax. Он поддерживает ввод текста, изображений и видео с выводом текста, контекстное окно с токеном 1M и подходит для долгосроч…

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…