Каталог моделей

Показано 1–27 из 27 моделей

В каталоге

Речь

ByteDance Seed: Seed Audio 1.0

bytedance-seed/seed-audio-1-0

Seed Audio 1.0 — это модель генерации аудио без потоковой передачи от ByteDance Seed. Она создает речь и другие аудио на основе текстового запроса на естественном языке, который может описывать желаемый голос, тон и звуковые эффекты, с возможностью использования идентификатора Seed speaker ID или эталонного аудиоклипа для клонирования голоса. Выход ограничен 120 секундами на запрос и оплачивается за каждую секунду сгенерированного аудио. Подходит для аудиокниг, озвучивания, игр и аналогичных задач.

Вход: Текст

Ожидает подключения

В каталоге

Речь

Canopy Labs: Orpheus 3B

canopylabs/orpheus-3b-0.1-ft

Orpheus 3B — это английская модель преобразования текста в речь от Canopy Labs, настроенная для естественной просодии и выразительной подачи. Она предлагает 7 предустановленных голосов и подходит для озвучивания, голосовых помощников и интерактивных приложений, где приоритетом является естественная речь.

Вход: Текст

4 096
токенов контекста

В каталоге

Речь

Deepgram: Aura-2

deepgram/aura-2

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

Вход: Текст

Ожидает подключения

В каталоге

Речь

elevenlabs/text-to-speech-multilingual-v2

kieai/elevenlabs/text-to-speech-multilingual-v2

Характеристики и доступные операции — в карточке модели.

Вход: Уточняется

Ожидает подключения

В каталоге

Речь

elevenlabs/text-to-speech-turbo-2-5

kieai/elevenlabs/text-to-speech-turbo-2-5

Характеристики и доступные операции — в карточке модели.

Вход: Уточняется

Ожидает подключения

В каталоге

Речь

Fish Audio: S1

fish-audio/s1

S1 — это многоязычная модель преобразования текста в речь от Fish Audio. Она подходит для голосовых приложений, которым требуется широкое эмоциональное выражение, используя скобочные элементы управления для направления стиля речи на поддерживаемых языках.

Вход: Текст

Ожидает подключения

В каталоге

Речь

Fish Audio: S2 Pro

fish-audio/s2-pro

S2 Pro — это многоязычная модель преобразования текста в речь от Fish Audio. Она подходит для выразительного повествования и диалогов с несколькими участниками, с возможностью управления стилем речи и эмоциями на естественном языке.

Вход: Текст

Ожидает подключения

В каталоге

Речь

Fish Audio: S2.1 Pro

fish-audio/s2.1-pro

S2.1 Pro — это ориентированная на производство модель преобразования текста в речь от Fish Audio. Она подходит для многоязычных голосовых приложений, выразительного повествования и синтеза диалогов, с открытыми элементами управления на естественном языке для стиля речи и эмоций.

Вход: Текст

Ожидает подключения

В каталоге

Речь

google/gemini-2-5-pro-tts

kieai/google/gemini-2-5-pro-tts

Характеристики и доступные операции — в карточке модели.

Вход: Уточняется

Ожидает подключения

В каталоге

Речь

google/gemini-3-1-flash-tts

kieai/google/gemini-3-1-flash-tts

Характеристики и доступные операции — в карточке модели.

Вход: Уточняется

Ожидает подключения

В каталоге

Речь

google/gemini-3-8-flash-lite-tts

kieai/google/gemini-3-8-flash-lite-tts

Характеристики и доступные операции — в карточке модели.

Вход: Уточняется

Ожидает подключения

В каталоге

Речь

google/gemini-3-8-flash-tts

kieai/google/gemini-3-8-flash-tts

Характеристики и доступные операции — в карточке модели.

Вход: Уточняется

Ожидает подключения

В каталоге

Речь

Google: Gemini 3.1 Flash TTS Preview

google/gemini-3.1-flash-tts-preview

Gemini 3.1 Flash TTS Preview — это модель преобразования текста в речь от Google, представляющая собой значительный шаг вперед по сравнению с Gemini 2.5 Flash TTS. Она принимает текстовый ввод и выдает аудиовывод на более чем 70 языках — почти в 3 раза больше языков, чем у ее предшественника. Главное нововведение — это система из более чем 200 встроенных аудиотегов (например, `[whispers]`, `[laughs]`, `[excited]`), которые позволяют разработчикам управлять подачей, эмоциями и темпом внутри предложения, а также рабочий процесс "режиссерское кресло" в Google AI Studio для определения аудиопрофилей для каждого персонажа и контекста на уровне сцены. Она поддерживает до двух дикторов с независимой настройкой голоса и стиля для каждого диктора, выдает аудио в формате PCM с частотой 24 кГц / 16-бит моно и автоматически добавляет водяные знаки на все выходные данные с помощью SynthID. Контекстное окно составляет 32 тысячи токенов.

Вход: Текст

32 768
токенов контекста

В каталоге

Речь

Google: Gemini 3.8 Flash Lite TTS

google/gemini-3.8-flash-lite-tts

Gemini 3.8 Flash Lite TTS — это модель преобразования текста в речь от Google и быстрый, высокопроизводительный представитель семейства 3.8 TTS. Она подходит для конвейеров голосовых агентов, больших объемов чтения вслух и задач по воспроизведению голоса, где задержка и стоимость важнее максимальной выразительности. Она принимает ту же конфигурацию речи, что и Gemini 3.1 Flash TTS Preview, включая 30 заранее созданных студийных голосов, и поддерживает Voice Design и Voice Replication от Google через идентификаторы `voice_...`.

Вход: Текст

32 768
токенов контекста

В каталоге

Речь

Google: Gemini 3.8 Flash TTS

google/gemini-3.8-flash-tts

Gemini 3.8 Flash TTS — это модель преобразования текста в речь от Google и преемник Gemini 3.1 Flash TTS Preview. Это креативный уровень семейства 3.8 TTS, подходящий для повествования, работы с персонажами и диалогов с несколькими говорящими, где важнее точность передачи голоса, нюансы актёрской игры и охват региональных диалектов, чем задержка. Она принимает ту же конфигурацию речи, что и её предшественник, включая 30 готовых студийных голосов, и поддерживает Google Voice Design (пользовательские голоса из текстового описания) и Voice Replication (клонирование голосов из короткого образца) через идентификаторы `voice_...`.

Вход: Текст

32 768
токенов контекста

В каталоге

Речь

hexgrad: Kokoro 82M

hexgrad/kokoro-82m

Kokoro 82M — это легковесная модель преобразования текста в речь от hexgrad. Она преобразует текст в речь на 8 языках (американский и британский английский, испанский, французский, хинди, итальянский, японский, португальский и китайский) с использованием 54 предустановленных голосов, организованных по языку и полу. С 82 миллионами параметров она отлично подходит для многоязычных развертываний TTS, где важны компактность и экономическая эффективность.

Вход: Текст

4 096
токенов контекста

В каталоге

Речь

Microsoft AI: MAI-Voice-2

microsoft/mai-voice-2

MAI-Voice-2 — это высококачественная, выразительная модель синтеза речи от Microsoft, работающая на базе Azure AI Speech. Она синтезирует естественно звучащую речь на более чем 10 языках с поддержкой выразительных стилей SSML (радостный, грустный, взволнованный и т.д.) и контролем скорости (0.5×–2×). Имена голосов следуют формату локали Azure (например, en-US-Harper:MAI-Voice-2). Выходные данные доступны в форматах MP3 и PCM с частотой 24 кГц.

Вход: Текст

Ожидает подключения

В каталоге

Речь

Microsoft AI: MAI-Voice-2-Flash

microsoft/mai-voice-2-flash

MAI-Voice-2-Flash — это модель синтеза речи с низкой задержкой от Microsoft для голосовых агентов, ассистентов, колл-центров, обеспечения доступности, озвучивания и других интерактивных приложений. Она генерирует выразительную монофоническую речь с частотой 24 кГц на 15 языках и 18 локалях, предоставляя возможность тонкой настройки тона и подачи. Для использования функций голосовой подсказки и клонирования требуется доступ, одобренный Microsoft, и соответствующее согласие диктора.

Вход: Текст

Ожидает подключения

В каталоге

Речь

Microsoft AI: MAI-Voice-2.1

microsoft/mai-voice-2.1

MAI-Voice-2.1 — это наиболее высококачественная и выразительная модель синтеза речи от Microsoft AI. Она обеспечивает естественную, студийного уровня речь на 23 языках, с детальной просодией, тонкой выразительностью и стабильностью голоса при длительном контенте. Модель подходит для аудиокниг, подкастов, лекций, озвучивания и брендового аудио, где важна максимальная качество голоса. Модель отдает предпочтение естественности и выразительности над критически важной для задержки генерацией. Harper и Grant поддерживают стили речи `agent`, `customer-call-center`, `educational` и `narrator`, а многие локальные голоса добавляют эмоциональные стили, такие как `excited`, `happy`, `sad` и `whispering`.

Вход: Текст

Ожидает подключения

В каталоге

Речь

Microsoft AI: MAI-Voice-2.1-Flash

microsoft/mai-voice-2.1-flash

MAI-Voice-2.1-Flash — это модель преобразования текста в речь с низкой задержкой от Microsoft AI, оптимизированная для быстрого отклика в реальном времени. Она создает естественную, выразительную речь на 23 языках с интонацией, ритмом и эмоциональными нюансами, близкими к человеческим. Эта модель подходит для голосовых агентов, ассистентов, колл-центров и других интерактивных приложений, где наиболее важны задержка и стоимость. Harper и Grant поддерживают стили речи `agent`, `customer-call-center`, `educational` и `narrator`, а многие локальные голоса добавляют эмоциональные стили, такие как `excited`, `happy`, `sad` и `whispering`.

Вход: Текст

Ожидает подключения

В каталоге

Речь

MiniMax: Speech 2.8 HD

minimax/speech-2.8-hd

MiniMax Speech 2.8 HD — это модель преобразования текста в речь от MiniMax. Она подходит для приложений, которые создают аудио из текста, и принимает произвольные идентификаторы голосов MiniMax.

Вход: Текст

Ожидает подключения

В каталоге

Речь

MiniMax: Speech 2.8 Turbo

minimax/speech-2.8-turbo

MiniMax Speech 2.8 Turbo — это модель преобразования текста в речь от MiniMax. Она подходит для приложений, которые генерируют аудио из текста, и принимает произвольные голосовые идентификаторы MiniMax.

Вход: Текст

Ожидает подключения

В каталоге

Речь

Mistral: Voxtral Mini TTS

mistralai/voxtral-mini-tts-2603

Voxtral Mini TTS — это модель преобразования текста в речь от Mistral, которая поддерживает клонирование голоса без предварительного обучения и многоязычную поддержку. Она преобразует текстовый ввод в аудиовыход с естественным звучанием.

Вход: Текст

4 096
токенов контекста

В каталоге

Речь

Qwen: Qwen-Audio-3.0-TTS Flash

qwen/qwen-audio-3.0-tts-flash

Qwen-Audio-3.0-TTS Flash — это быстрый и экономичный текстово-речевой модуль от Alibaba, который генерирует аудио из текста с помощью API синтезатора речи DashScope.

Вход: Текст

Ожидает подключения

В каталоге

Речь

Qwen: Qwen-Audio-3.0-TTS Plus

qwen/qwen-audio-3.0-tts-plus

Qwen-Audio-3.0-TTS Plus — это более качественная модель преобразования текста в речь от Alibaba, генерирующая аудио из текста с помощью API синтезатора речи DashScope.

Вход: Текст

Ожидает подключения

В каталоге

Речь

Sesame: CSM 1B

sesame/csm-1b

CSM 1B — это модель разговорной речи от Sesame. Она принимает текстовый ввод и производит выходную речь на английском языке, с голосовыми опциями, охватывающими стили разговорной и читаемой речи. С 1B параметрами она подходит для приложений, ориентированных на диалог, таких как голосовые помощники и интерактивные агенты.

Вход: Текст

4 096
токенов контекста

Доступна в API

Речь

SpaceXAI: Grok Voice TTS 1.0

x-ai/grok-voice-tts-1.0

Grok Voice TTS 1.0 — это модель преобразования текста в речь от xAI. Она преобразует текст в аудио на более чем 20 языках с автоматическим определением языка и предлагает пять встроенных голосов (Eve, Ara, Rex, Sal, Leo), охватывающих различные тона. Встроенные теги речи позволяют управлять паузами, акцентами, высотой тона, скоростью и стилем голоса. Выходные данные доступны в форматах MP3, WAV, PCM, μ-law и A-law с частотой дискретизации от 8 кГц до 48 кГц, с возможностью обработки до 15 000 символов за запрос.

Вход: Текст

15 000
токенов контекста

Как работает каталог

Единый API

Используйте один клиентский ключ и публичный ID модели. Способ обращения указан в документации.

Прозрачная доступность

Каталог содержит и подключённые модели, и записи источников. Доступные операции и уровень проверки — в карточке.

Цены в рублях

Тарифы учитывают обычную наценку. Предварительная оценка по вашему ключу учитывает индивидуальные условия.

Подключите выбранную модель.

Изучите быстрый старт и методы API. Ключ и пополнение баланса предоставляет администратор.

Быстрый старт Методы API

Каталог моделей.

Выбор модели

Как работает каталог

Единый API

Прозрачная доступность

Цены в рублях

Подключите выбранную модель.