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…

Microsoft-Decision-1 — это небольшая модель, созданная для быстрого принятия решений. Вместо генерации текста он считывает предоставленный контент и возвращает калиброванную вероят…

MAI-Voice-2.1-Flash — это модель преобразования текста в речь с малой задержкой от Microsoft AI, оптимизированная для реагирования в реальном времени. Он воспроизводит естественную…

MAI-Voice-2.1 — это самая точная и выразительная модель преобразования текста в речь от Microsoft AI. Он воспроизводит естественную речь студийного уровня на 23 языках с детальной…

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

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…

MAI-Image-2.6 — это модель создания и редактирования изображений от Microsoft AI, высокоточного уровня семейства MAI-Image-2.6, наряду с более быстрым MAI-Image-2.6 Flash. Он подхо…

MAI-Image-2.6 Flash — это недорогой представитель семейства MAI-Image-2.6 от Microsoft AI с меньшей задержкой и низкой стоимостью, созданный для чувствительной к задержкам высокопр…

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…

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…

MAI-Image-2.5 от Microsoft AI — это модель создания высококачественных изображений, доступная через Azure AI Foundry. Он создает фотореалистичные и художественные изображения из те…

MAI-Voice-2-Flash — это модель преобразования текста в речь с малой задержкой от Microsoft AI для голосовых агентов, помощников, колл-центров, специальных возможностей, повествован…

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%…

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…

MAI-Voice-2 — это выразительная модель преобразования текста в речь от Microsoft AI. Он подходит для разговорных помощников, повествования в СМИ, доступности, образования и других…

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…

MAI-Image-2.5 от Microsoft AI — это модель создания высококачественных изображений, доступная через Azure AI Foundry. Он создает фотореалистичные и художественные изображения из те…

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…

MiMo-V2.5-Pro ​​— это флагманская модель Xiaomi, обеспечивающая высокую производительность в общих агентских возможностях, сложной разработке программного обеспечения и долгосрочны…

MiMo-V2.5 — это родная омнимодальная модель от Xiaomi. Он обеспечивает агентную производительность профессионального уровня примерно за половину стоимости вывода, превосходя при эт…

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

Riverflow V2 Pro — это самый мощный вариант линейки Sourceful Riverflow 2.0, лучший для управления высшего уровня и идеального рендеринга текста. Серия Riverflow 2.0 представляет…