Modelos de audio abiertos

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

25 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 Whisper large-v3 turbo de OpenAI	Voz a texto	99	0.809 B	MIT	Yes	Yes
6 Whisper large-v3 de OpenAI	Voz a texto	99	1.55 B	MIT	Yes	Yes
7 Qwen3-ASR-0.6B de Alibaba	Voz a texto	52	0.6 B	Apache 2.0	Yes	Yes
8 Qwen3-ASR-1.7B de Alibaba	Voz a texto	52	1.7 B	Apache 2.0	Yes	Yes
9 Chatterbox Multilingual de Resemble AI	Texto a voz	23	0.5 B	MIT	Yes	Yes
10 Cohere Transcribe de Cohere	Voz a texto	14	2 B	Apache 2.0	Yes	Yes
11 Voxtral Realtime de Mistral	Voz a texto	13	4 B	Apache 2.0	Yes	Yes
12 Bark de Suno	Texto a voz	13	—	MIT	Yes	Yes
13 Qwen3-TTS-12Hz-0.6B de Alibaba	Texto a voz	10	0.6 B	Apache 2.0	Yes	Yes
14 Qwen3-TTS-12Hz-1.7B de Alibaba	Texto a voz	10	1.7 B	Apache 2.0	Yes	Yes
15 Voxtral Small de Mistral	Voz a texto	8	24 B	Apache 2.0	Yes	Yes
16 Granite Speech 5.0 de IBM	Voz a texto	6	2 B	Apache 2.0	Yes	Yes
17 Chatterbox Turbo de Resemble AI	Texto a voz	1	0.35 B	MIT	Yes	Yes
18 Parakeet-TDT-0.6B-v2 de NVIDIA	Voz a texto	1	0.6 B	CC BY 4.0	Yes	Yes
19 Chatterbox de Resemble AI	Texto a voz	1	0.5 B	MIT	Yes	Yes
20 AuK de Tencent	Texto a voz	—	1.5 B	MIT	Yes	Yes
21 MiMo-Audio de Xiaomi	Voz a voz	—	7 B	MIT	Yes	Yes
22 Magenta RealTime de Google	Música	—	0.8 B	CC BY 4.0	Yes	Yes
23 Kimi-Audio de Moonshot	Voz a texto	—	7 B	MIT	Yes	Yes
24 Conversational Speech Model (CSM) de Sesame	Texto a voz	—	—	Apache 2.0	Yes	Yes
25 Qwen2-Audio de Alibaba	Voz a texto	—	7 B	Apache 2.0	Yes	Yes