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。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗DISCOVER & COMPARE
AI 모델 탐색 255
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。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
입력 텍스트→ 출력 오디오
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗tabcnn-GGUF
cstr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。
입력 오디오→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗tada-tts-1b-GGUF
cstr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。
입력 텍스트→ 출력 오디오
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗TADA-3B-ML is a multilingual text-to-speech model built on Meta Llama 3.2 3B with a flow-matching (FM) speech decoder and custom Hume codec. Key property: **1:1 token alignment** — every text token maps to exactly one speech vector, eliminating transcript hallucination. Supports 10 languages (en, es, ja, zh, de, fr, it, pt, ko, ar). 24 kHz mono output. The Q4_K file uses a TADA-aware quantization policy (tail=14): large transformer block matrices are quantized, while the last 14 token-embedding rows and all `tada.*` flow-matching tensors are kept at F16. This preserves the timing and acoustic conditioning paths where quantization noise matters most. For near-lossless quality use `tada-tts-3b-ml-q8_0.gguf`; for the F16 reference quality use `tada-tts-3b-ml-f16.gguf`.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 오디오
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Apache-2.0 Tesseract LSTM line-recognition models converted to GGUF for CrispEmbed. The repository contains English, German, French, Spanish, Italian, Portuguese, Dutch, Russian, Arabic, Simplified Chinese, Japanese, and Korean variants. These are line recognizers: normalize and crop individual text lines before recognition, or pair them with a detector such as DBNet for full-page OCR. Each language has an F32 reference, an F16 deployment model, and Q8_0/Q4_K variants. The quantized models preserve `output.weight` and `output.bias` at the source precision (F16 for the multilingual F16-derived models; F32 for German regenerated from its original `.traineddata`). Only recurrent matrices are quantized. This preserves the CTC decision boundary and keeps critical character logits stable.
번역 대기 중 · 원문 표시
입력 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
입력 오디오→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
기본 정보 등록 · 상세 정보 보완 예정
입력 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
입력 텍스트→ 출력 오디오
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
기본 정보 등록 · 상세 정보 보완 예정
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗> The Q8_0/Q4_K files keep the diffusion prediction head, connectors and > EOS classifier at full precision (only the two Qwen2 backbones are > quantized). The head runs under classifier-free guidance over 20 solver > steps, so quantizing it could push the first frames onto a wrong > trajectory that decodes as a brief non-speech "music"/hum onset before > the voice; keeping it at full precision avoids that at a small size cost. A voice prompt is **required** for TTS. Each `.gguf` voice pack ships pre-computed KV caches that establish a fixed speaker identity (the realtime variant is *not* WAV-cloning — for runtime cloning, use `cstr/vibevoice-1.5b-GGUF` instead). This repo bundles all 25 demo voices from `microsoft/VibeVoice@main demo/voices/streaming_model/` — same MIT license as the model.
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 오디오
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗voxcpm2-GGUF
cstrHistorical T4 Vulkan component measurements found CFM per audio step of 70.2 ms for Q8_0 versus 59.4 ms for the mixed recipe at ten steps. An eight-step run measured 46.7 ms. These component timings do **not** establish speech quality or an accepted end-to-end speedup. The mixed file was built with `crispasr-quantize voxcpm2-f16.gguf out.gguf q8_0 --tensor-type "^locdit\.=f16"`. A previous CPU synthesis roundtrip is not GPU acceptance. **Validation update, 2026-10-09:** matched real T4 tests at ten steps and seed 2 produced repeated tokens in the **Nemotron ASR transcripts** of the short test sentence for both Q8_0 and the mixed recipe. Six of sixteen exact primary ASR cases passed. This rejected gate is not proof that synthesized audio audibly stutters: a later fixed-audio comparison found **both Parakeet and Qwen3 transcribe every one of 22 original Python/native CPU/GPU controls exactly** across three resampling paths, while Nemotron retains errors. Resampling alone does not resolve the discrepancy. The completed original NVIDIA float32 and native F16 comparison reads **all 22 VoxCPM2 controls correctly**; native Q4 reads only 8/22. Original and F16 normalized words agree on all 26 tested clips, and fresh/reused sessions agree. The repeated tokens are therefore attributable to the native Nemotron Q4 recognizer on these fixed controls. Critical RNNT precision guards are being tested before changing that quant or its defaults. The published Q4 primary gate remains rejected while that recognizer is repaired. This diagnosis does not certify eight steps, Intel B390 performance, or complete original/native waveform parity. Defaults remain ten steps. Original NVIDIA/F16/Q4 inputs, features, encoder states and complete transcripts (SHA256 `7762f2a73d8ae7dad05d667fbf0bca393a0b3b7ad622b1b1f09473fa8f5d0463`).
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 오디오
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
입력 텍스트→ 출력 오디오
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗GGUF quantizations of mistralai/Voxtral-Mini-4B-Realtime-2602, a **4.4B-parameter realtime streaming speech-to-text model** with a causal audio encoder and configurable transcription delay. ⚠ This table used to name the F16 `voxtral-mini-4b-realtime.gguf`, and no such file was ever uploaded. The published name is `…-f16.gguf`, matching the quant suffix CrispASR's `-m auto:f16` resolver expects.
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗일치하는 모델 없음
제공사, 분류, 입출력 조건을 조정하세요. 새 모델이 계속 등록됩니다.
COST EXPLORER
좋은 모델, 명확한 비용.
월간 토큰 사용량으로 예상 API 비용을 비교하세요.
1 M = 100만 토큰 · USD
동일 채널의 기본 텍스트 토큰 요금 비교
동일 채널의 기본 텍스트 토큰 요금 비교
수집된 백만 토큰당 USD 요금입니다. 캐시 할인, 구간 요금, 추가 추론 출력, 세금은 제외됩니다. 최신 요금은 출처에서 확인하세요.
MODEL HANDBOOK
이해하고 선택하세요
API 요금은 어떻게 비교하나요?+
입력, 출력, 캐시 요금을 구분하고 동일 작업량으로 비교하세요. 이미지, 음성, 영상은 개수, 시간, 해상도로 과금될 수 있습니다.
오픈 웨이트는 무료 상업 이용을 뜻하나요?+
반드시 그렇지는 않습니다. 버전별 라이선스, 상업 이용 제한, 정책을 확인하세요. 자체 호스팅에는 연산 및 유지 비용도 듭니다.
1위 모델이 나에게 가장 적합한가요?+
순위는 작업, 버전, 평가 방식에 따라 다릅니다. 실제 업무로 정확도, 지연, 안정성, 비용을 비교하세요.