Stampa e assemblaggio in corso
Stiamo costruendo un piccolo robot con cui parlare. Quattro zampe, un piccolo volto digitale e AI locale su un laptop o telefono vicino, per collegare le tue parole alla sua prossima mossa.
Scopri Mimi
TurnBench, SLURP e InstructTTSEval risultati per runtime locali e API cloud, con nuovi p99 e VAP download del modello.
GLiNER2.5-Decide a peso aperto in MLX Swift rispetto al Jev ospitato di TypeSafe: che cosa offre ciascuna, che cosa il benchmark pubblicato confrontato, e le misure locali: 7.6 ms a richiesta a 0,85 GB con INT8.
Un concept film che esplora la visione di Stenograf per trasformare le conversazioni in utili passi successivi.
Da Moshi e PersonaPlex a VoiceChat: come il discorso full-duplex gestisce le interruzioni e gli strumenti MCP, e dove si adatta un comando pipeline Android più piccolo.
Strumenti per le tue registrazioni e la tua musica.
App gratuita
Crea basi karaoke dal tuo audio. Rimuovi la voce, separa le tracce, cambia tonalità ed esporta WAV gratis su Android, iPhone e iPad.
Scopri l’appCLI Homebrew
Trascrizione, sintesi vocale e strumenti audio sul dispositivo per Mac con Apple Silicon.
brew install speechGuida all’installazioneRegistrazione gratuita e trascrizione
Registrazioni e trascrizioni private su Mac, Windows e Android. L’IA desktop opzionale aggiunge riepiloghi e chat.
Scopri l’appServizi
Addestriamo e adattiamo modelli, li valutiamo sui tuoi dati e li integriamo nei tuoi dispositivi o nella tua infrastruttura privata.
Scopri i serviziSviluppa riconoscimento vocale, voci espressive e comandi vocali adatti al modo in cui parlano i tuoi utenti.
Costruisci il tuo canale audio intorno all'ambiente di ascolto e all'hardware di destinazione.
Eseguire i modelli sul dispositivo o all'interno della propria infrastruttura.
Aiuta i tuoi utenti a trovare fonti pertinenti e costruire flussi di lavoro di ricerca che possono controllare.
Esplora architettura, CLI, API degli SDK e benchmark di ogni componente.
52 langs, RTF 0.06, 4-/8-bit
Native CoreML: 1.40% WER, 6 s model load
MLX INT5: 128K offline context, RTF 0.028
Small, medium, large-v3, and turbo exports
32× real-time on Neural Engine
120M, 25 langs, streaming partials + EOU, ~232 MB on-device
1,672 languages, 300M–7B
14 langs, INT5 default, RTF 0.015
8 langs, INT5 default, RTF 0.074
Word-level timestamps, 80 ms
Streaming with punctuation
EN/ZH, voice design + cloning, 24 kHz, non-commercial
48 kHz stereo, 80 ms streaming, reference voice cloning
20 presets, 9 langs, 24 kHz, 4-bit, CC BY-NC 4.0
9 langs, zero-shot cloning, bf16 / 8-bit
12 Hz codec LM, faster than real-time
Progettazione vocale sperimentale · fasci pubblici · costruire SDK
Progettazione vocale sperimentale · fasci pubblici · costruire SDK
48 kHz, 30 langs, voice design + cloning
Zero-shot cloning, emotion + tempo controls, RTF 1.0
99M, 31 langs, 44.1 kHz
CoreML voice cloning, TTFT 0.27s, RTF 0.59
600+ langs, NAR diffusion cloning
Hindi emotion TTS + raw reference cloning
Style markers + zero-shot cloning
Zero-shot cloning in 16 flow steps, RTF 0.57
4B conversational cloning, emotion tags, RTF 0.78
54 voices, iOS-ready, 10 langs
English, Alba, 24 kHz, 80 ms frames
90-min podcasts / audiobooks
9 langs, 5 baked voices, streaming
IndexTTS2, CosyVoice, Chatterbox Flash, Qwen3-TTS ICL
SpeechBrain ECAPA, 107 languages, 21M
Masked WeSpeaker + native PLDA/VBx, ~32 MB
100M, up to 8 speakers, INT8
Nemotron 3 + Community-1 + Pyannote + Sortformer
WeSpeaker / CAM++ for ID
Silero v6.2.1, Pyannote, FireRedVAD
End-of-turn detection, 23 langs, 3.5 ms per pause
Punteggio di fine turno, 5.3M, Float32
Previsioni di due canali, 5.8M, Float32
KWS Zipformer, 26× real-time
44.1 kHz stereo, variable-length music
Text → 30 s music, RTF 0.36
Open-Unmix + HTDemucs v4, 4 stems
DeepFilterNet3, 48 kHz real-time
Two-stream echo cancellation, 16 ms latency
Sidon denoise + dereverb → 48 kHz
48 kHz audio super-resolution
MLX Swift · 9B · 4-bit · text decisions · development preview
MLX Swift · INT8, FP16, FP32 · development preview
Streaming on-device LLM
Structured tool / function-call grammar
Many-to-many translation, 400+ languages
Streaming speech translation, FR/ES/PT/DE → EN
Moshi-family full-duplex speech-to-speech
Asymmetric duplex speech-to-speech, INT5 / INT8
