chordmini-onnx
musetric基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 音声→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗DISCOVER & COMPARE
AIモデルを探す 343
skey-onnx
musetric基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 音声→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗speech-truncation-detection-12M
mythicinfinity基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 音声→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗distill-neucodec
neuphonic基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗neucodec
neuphonic基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗neucodec-onnx-decoder
neuphonic基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗neucodec-onnx-decoder-int8
neuphonic基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗neudecide
neuphonic基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 音声→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗
bigvgan_22khz_80band
NVIDIA基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗bigvgan_24khz_100band
NVIDIA基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗- **Jul 2024 (v2.3):** - General refactor and code improvements for improved readability. - Fully fused CUDA kernel of anti-alised activation (upsampling + activation + downsampling) with inference speed benchmark. - **Jul 2024 (v2.2):** The repository now includes an interactive local demo using gradio. - **Jul 2024 (v2.1):** BigVGAN is now integrated with 🤗 Hugging Face Hub with easy access to inference using pretrained checkpoints. We also provide an interactive demo on Hugging Face Spaces.
翻訳待ち・原文を表示
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗NVIDIA NemotronLabs RE-USE is a 9.6-million-parameter **multilingual universal speech enhancement (USE)** model designed to restore speech quality across a wide range of real-world degradations while preserving speech fidelity. It has the following desirable properties: - Robustness to **diverse degradations**, including additive noise, reverberation, clipping, bandwidth limitation, codec artifacts, packet loss and low-quality mics. - Support for **multiple input sampling rates**, including 8, 16, 22.05, 24, 32, 44.1, and 48 kHz. - Strong **language-agnostic** capability, enabling effective performance across different languages. - If better laughter preservation is desired, please use: NVIDIA-NemotronLabs-RE-USE-laughter. (Note: For overlapping speech, this model is trained to preserve the main speaker while suppressing other speakers.) Comparison with other open-source USE models on the (subsets) of the URGENT 2025 non-blind test set, referenced against original anechoic clean speech.
翻訳待ち・原文を表示
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗NVIDIA NemotronLabs RE-USE-laughter is a 9.6-million-parameter **multilingual universal speech enhancement (USE)** model designed to restore speech quality across a wide range of real-world degradations while preserving speech fidelity. It has the following desirable properties: - **This model better preserves laughter while restoring the quality of the input speech.** - Robustness to **diverse degradations**, including additive noise, reverberation, clipping, bandwidth limitation, codec artifacts, packet loss and low-quality mics. - Support for **multiple input sampling rates**, including 8, 16, 22.05, 24, 32, 44.1, and 48 kHz. - Strong **language-agnostic** capability, enabling effective performance across different languages. (Note: For overlapping speech, this model is trained to preserve the main speaker while suppressing other speakers.) Comparison with other open-source USE models on the (subsets) of the URGENT 2025 non-blind test set, referenced against original anechoic clean speech.
翻訳待ち・原文を表示
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗personaplex-7b-v1
NVIDIA基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗RE-USE
NVIDIA** For the commercially friendly model, please refer to NVIDIA-NemotronLabs-RE-USE and NVIDIA-NemotronLabs-RE-USE-laughter ** In universal speech enhancement, the goal is to restore the **quality** of diverse degraded speech while preserving **fidelity**, ensuring that all other factors remain unchanged, e.g., linguistic content, speaker identity, emotion, accent, and other paralinguistic attributes. Inspired by the **distortion–perception trade-off theory**, our proposed single model achieves a good balance between these two objectives and has the following desirable properties: 1. (For **Mamba** setup)Pre-built Docker environments can be downloaded here to simplify **Mamba** setup.
翻訳待ち・原文を表示
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Real-time_RE-USE
NVIDIA基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 音声→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗open-vakgyata
onecxi**Model Overview:** open-vakgyata is an open-source language identification model capable of detecting and classifying indian languages from speech inputs. **Supported Languages:** | Language | Code | |----------------------|-------| | English (India) | en-IN | | Hindi | hi-IN | | Odia | or-IN | | Bengali | bn-IN | | Tamil | ta-IN | | Telugu | te-IN | | Kannada | kn-IN | | Malayalam | ml-IN | | Marathi | mr-IN | | Gujarati | gu-IN | **Specification** - Supported Sampling Rate: 16000 - Recomonded Audio Format: 16kHz, 16bit PCM
翻訳待ち・原文を表示
入力 音声→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗ast-finetuned-audioset-10-10-0.4593-ONNX
onnx-community基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 音声→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Speech-Emotion-Classification-ONNX
onnx-community基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 音声→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗wav2vec2-base-Speech_Emotion_Recognition-ONNX
onnx-communityThis is an ONNX version of DunnBC22/wav2vec2-base-Speech_Emotion_Recognition. It was automatically converted and uploaded using this space.
翻訳待ち・原文を表示
入力 音声→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗該当するモデルがありません
提供元・分類・入出力の条件を変更してください。新しいモデルを随時追加しています。
COST EXPLORER
モデル選びに、費用の視点も。
月間トークン数を調整してAPI費用を比較。
1 M = 100万トークン・米ドル
同一チャネルの基本テキスト料金を比較
同一チャネルの基本テキスト料金を比較
収集済みの比較可能な100万トークン当たり米ドル料金です。キャッシュ割引、段階料金、追加推論出力、税金は含みません。最新料金は出典で確認してください。
MODEL HANDBOOK
モデルを理解して選ぶ
API料金はどう比較しますか？+
入力・出力・キャッシュ料金を分け、同じ用途と使用量で総費用を比較します。画像・音声・動画は枚数、時間、解像度で課金される場合があります。
オープンウェイトは無料で商用利用できますか？+
必ずしもそうではありません。バージョンごとのライセンス、商用制限、ポリシーを確認してください。自前運用には計算資源と保守費用も必要です。
ランキング1位が最適ですか？+
順位はテスト、バージョン、評価方法によります。実際の業務データで精度、遅延、安定性、費用を比較してください。