Chirp 3: Transcription
Chirp 3: Transcription est un modèle génératif de Google destiné à la reconnaissance automatique multilingue de la parole (ASR), qui transcrit l’audio en texte. Il est proposé via l’API Google Cloud…
RÉPERTOIRE DES MODÈLES
Découvrez les nouveaux modèles, classés par date de publication.
Chirp 3: Transcription est un modèle génératif de Google destiné à la reconnaissance automatique multilingue de la parole (ASR), qui transcrit l’audio en texte. Il est proposé via l’API Google Cloud…
Kimi-VL-A3B-Thinking est un modèle de raisonnement vision-langage de la série Kimi-VL, axé sur le raisonnement textuel complexe et multimodal. Il utilise une architecture de mélange d’experts (MoE).…
Kimi-VL-A3B-Instruct est un modèle d’instructions vision-langage conçu pour une inférence efficace. Il utilise un modèle de langage à mélange d’experts (MoE), un encodeur visuel à résolution native…
Wan 2.1 KF2V Plus est un modèle destiné aux services internationaux de génération vidéo : il génère une vidéo de transition à partir de deux images représentant la première et la dernière image, et…
Speech-02-Turbo est un modèle de synthèse vocale à partir de texte de la série MiniMax Speech-02, optimisé pour les interactions en temps réel et privilégiant un équilibre entre faible latence et…
Speech-02-HD est un modèle de synthèse vocale à partir de texte de la série MiniMax Speech-02, conçu pour la génération vocale haute fidélité. Il convient aux usages où la qualité sonore est…