Modelos de audio abiertos

Modelos de audio de pesos abiertos, por número de idiomas.

35 releases

Clear filters

Release	Tarea	Idiomas	Parámetros	Licencia	Uso comercial	Disponible en la UE
1 Omnilingual ASR 300M de Meta	Voz a texto	1,600	0.3 B	Apache 2.0	Yes	Yes
2 Omnilingual ASR 1B de Meta	Voz a texto	1,600	1 B	Apache 2.0	Yes	Yes
3 Omnilingual ASR 3B de Meta	Voz a texto	1,600	3 B	Apache 2.0	Yes	Yes
4 Omnilingual ASR 7B de Meta	Voz a texto	1,600	7 B	Apache 2.0	Yes	Yes
5 MMS (Massively Multilingual Speech) de Meta	Voz a texto	1,107	1 B	CC BY-NC 4.0	No	Yes
6 SeamlessM4T-Medium de Meta	Voz a texto	101	1.2 B	CC BY-NC 4.0	No	Yes
7 SeamlessM4T-Large de Meta	Voz a texto	101	2.3 B	CC BY-NC 4.0	No	Yes
8 Whisper large-v3 turbo de OpenAI	Voz a texto	99	0.809 B	MIT	Yes	Yes
9 Whisper large-v3 de OpenAI	Voz a texto	99	1.55 B	MIT	Yes	Yes
10 Qwen3-ASR-0.6B de Alibaba	Voz a texto	52	0.6 B	Apache 2.0	Yes	Yes
11 Qwen3-ASR-1.7B de Alibaba	Voz a texto	52	1.7 B	Apache 2.0	Yes	Yes
12 Chatterbox Multilingual de Resemble AI	Texto a voz	23	0.5 B	MIT	Yes	Yes
13 Cohere Transcribe de Cohere	Voz a texto	14	2 B	Apache 2.0	Yes	Yes
14 Voxtral Realtime de Mistral	Voz a texto	13	4 B	Apache 2.0	Yes	Yes
15 Bark de Suno	Texto a voz	13	—	MIT	Yes	Yes
16 Qwen3-TTS-12Hz-0.6B de Alibaba	Texto a voz	10	0.6 B	Apache 2.0	Yes	Yes
17 Qwen3-TTS-12Hz-1.7B de Alibaba	Texto a voz	10	1.7 B	Apache 2.0	Yes	Yes
18 Voxtral TTS de Mistral	Texto a voz	9	—	CC BY-NC 4.0	No	Yes
19 Voxtral Small de Mistral	Voz a texto	8	24 B	Apache 2.0	Yes	Yes
20 Granite Speech 5.0 de IBM	Voz a texto	6	2 B	Apache 2.0	Yes	Yes
21 Canary-1B de NVIDIA	Voz a texto	4	1 B	CC BY-NC 4.0	No	Yes
22 VibeVoice de Microsoft	Texto a voz	2	1.5 B	MIT	—	Yes
23 Chatterbox Turbo de Resemble AI	Texto a voz	1	0.35 B	MIT	Yes	Yes
24 Parakeet-TDT-0.6B-v2 de NVIDIA	Voz a texto	1	0.6 B	CC BY 4.0	Yes	Yes
25 Chatterbox de Resemble AI	Texto a voz	1	0.5 B	MIT	Yes	Yes
26 AuK de Tencent	Texto a voz	—	1.5 B	MIT	Yes	Yes
27 MiMo-Audio de Xiaomi	Voz a voz	—	7 B	MIT	Yes	Yes
28 Magenta RealTime de Google	Música	—	0.8 B	CC BY 4.0	Yes	Yes
29 Kimi-Audio de Moonshot	Voz a texto	—	7 B	MIT	Yes	Yes
30 Conversational Speech Model (CSM) de Sesame	Texto a voz	—	—	Apache 2.0	Yes	Yes
31 Qwen2-Audio de Alibaba	Voz a texto	—	7 B	Apache 2.0	Yes	Yes
32 AudioGen de Meta	Efectos de sonido	—	1.5 B	CC BY-NC 4.0	No	Yes
33 MusicGen Small de Meta	Música	—	0.3 B	CC BY-NC 4.0	No	Yes
34 MusicGen Medium de Meta	Música	—	1.5 B	CC BY-NC 4.0	No	Yes
35 MusicGen Large de Meta	Música	—	3.3 B	CC BY-NC 4.0	No	Yes