ElevenLabs
ElevenLabs — компания, основанная в 2022 году. Она разрабатывает модели синтеза речи из текста, распознавания речи, клонирования голоса и дубляжа, а также платформу для разговорных голосовых агентов. Её сервисами пользуются авторы контента и медиакомпании, которым нужна озвучка, и разработчики, которые подключают голосовые функции к своим приложениям через API.
проверено по: elevenlabs.io ↗
См. также
- Hume AIАмериканская компания и исследовательская лаборатория, которая разрабатывает голосовой ИИ с эмоциональным интеллектом: модели распознают эмоции по голосу собеседника и сами отвечают с подходящей интонацией. Главные продукты — голосовой интерфейс EVI (Empathic Voice Interface) для разговорных ассистентов и модель синтеза речи Octave. Разработчики подключают их через API.
- DeepgramАмериканская компания из Сан-Франциско, которая через программный интерфейс (API) даёт разработчикам и компаниям модели распознавания речи (speech-to-text) и синтеза речи (text-to-speech) для работы в реальном времени. Также предлагает API для голосовых агентов: распознавание, языковая модель и синтез речи объединены в один сервис. В отличие от платформ передачи медиа вроде LiveKit, Deepgram делает сами речевые модели.
- WhisperОткрытая модель OpenAI для распознавания речи на многих языках. Она также переводит речь на английский и определяет язык записи. Модель построена на архитектуре трансформера «кодировщик — декодировщик», вышла в нескольких размерах — от самых маленьких до больших — и распространяется вместе с кодом и весами под лицензией MIT. Её можно запускать у себя или использовать через API OpenAI.
В новостях
Итан Моллик к выходу новой книги насчитал 180 моделей сильнее GPT-4
Компания, которая делает модели для синтеза речи, клонирования голоса, озвучки и музыки.
Глава Microsoft AI назвал новую модель расшифровки речи самой точной. Она дороже модели ElevenLabs
Компания, которая делает модели синтеза и распознавания речи, клонирования голоса и платформу для голосовых агентов.