Что он делает:
Загружайте документы, URL-адреса или видео с YouTube в качестве источников. SoyLM анализирует их с помощью локальной языковой модели, сохраняет структурированные сводки в SQLite и позволяет общаться с вашими источниками с помощью RAG (FTS5 + BM25) и дополнительного веб-поиска (DuckDuckGo).

Echovo - Лучший TTS и клонирование голоса Echovo обеспечивает совое современные преобразования текста в речь прямо на ваш iPhone, на базе Qwen3-TTS, полностью работающий на устройстве с ускорением кремния Apple. Ваше сообщение никогда не покидает ваш телефон.
Два мощных режима
- **Text-to-Speech**: Введите или вставьте любой текст и создайте естественную, выразительную речь. Выберите один из нескольких динамиков, настройте параметры качества и управляйте стиль речи с помощью пользовательских инструкций.
- **Voice Clone**: Запишите короткий аудиоклип или загрузите справочный файл, и Echovo сгенерирует речь, соответствующую характеристикам голоса. Клонировать любой голос за считанные секунды.
💬 11 языков! Создавайте речь на английском, китайском, японском, корейском, немецком, французском, испанском, русском, португальском, итальянском языках — или позвольте автоматическому обнаружению справиться с этим за вас.
👉 Полностью приватно
Вся обработка происходит на вашем устройстве с использованием фреймворка Apple MLX. Никакие аудиоданные, текст и голосовые образцы никогда не отправляются на внешние серверы. Ваши разговоры остаются вашими.
👉 Основные функции:
- Вывод ИИ на устройстве
- Интернет не требуется после загрузки модели
- Два варианта модели: Base (TTS + голосовое клонирование) и CustomVoice (управление стилем на основе инструкций)
- Показатели производительности в режиме реального времени: RTF, время синтеза, использование памяти, количество токенов и тепловое состояние
- Регулируемые предустановки качества: Fast, Balanced и High - История генерации со встроенным воспроизведением аудио
- Запись справочного звука напрямую или импорт из файлов
- Сохранение и управление эталонной аудиобиблиотекой для быстрого повторного использования
- Темная и светлая тема с элегантным, минимальным интерфейсом
- Обмен сгенерированными аудиофайлами
👉 Как это работает:
1. Скачайте модель (~1,9 ГБ каждая, один раз)
2. Введите текст и нажмите «Сгенерировать»
3. Прослушайте, поделитесь или сохраните результат
👉 Требования:
- iPhone с Apple Silicon (A17 Pro или более поздней версии рекомендуется для лучшей производительности)
- ~2 ГБ бесплатного хранилища на модель

Создали его, потому что большинство инструментов для диктовки и написания текстов с помощью ИИ были слишком громоздкими для быстрого набора текста, а нужно было что-то быстрое, приватное и простое в использовании, чтобы записывать свои мысли в любое текстовое поле.
Основная идея заключается в том, что вы можете просто говорить как обычно и запрашивать нужный черновик, вместо того чтобы переключаться между режимами или заранее выбирать, что вы пишете: электронное письмо, заметки или что-то еще.

🎯 Мультипровайдерская система преобразования текста в речь с конечными точками, совместимыми с OpenAI (OpenAI, DeepInfra, Kokoro, KittenTTS-FastAPI, Orpheus, пользовательские).
📖 Воспроизведение с чтением вслух для PDF/EPUB с озвучиванием с учетом структуры предложения.
⏱️ Выделение послов с помощью дополнительных whisper.cpp временных меток.
🛜 Синхронизация + импорт из библиотеки для переноса документов между устройствами и из папок на сервере.
🗂 Гибкое хранилище со встроенным файловым хранилищем SeaweedFS или внешними бэкендами, совместимыми с S3.
🎧 Экспорт аудиокниг в m4b/mp3 с возможностью возобновления чтения по главам.
🐳 Возможность самостоятельного хостинга с помощью Docker, опциональной аутентификации и автоматической миграции при запуске.

Local Diffusion — это приложение на Flutter, которое переносит модели Diffusion на Android с помощью потрясающего stable-diffusion.cpp

📱 По-настоящему локальный вывод: генерируйте изображения прямо на своем Android-устройстве.

🚀 Широкая совместимость с моделями:
Поддерживает широкий спектр архитектур: SD1.x, SD2.x, SDXL, SD3/SD3.5, Flux/Flux-schnell, SD-Turbo, SDXL-Turbo и другие.

⬇️ Загружайте модели напрямую из популярных источников, таких как Hugging Face и Civitai.

⚡️ Квантование на лету: автоматическое квантование полноточных моделей при загрузке для экономии памяти и потенциального повышения скорости. Поддерживаемые форматы: q8_0, q6_k, q5_0, q5_1, q5_1k, q4_0, q4_1, q4_k, q3_k, q2_k.

Android Stable Diffusion с ускорением на базе процессора Snapdragon NPU Также поддерживает логический вывод на центральном и графическом процессорах!

✨ Особенности:
🎨 txt2img — создавайте изображения на основе текстовых описаний
🖼 img2img — преобразуйте существующие изображения
🎭 inpaint — перерисовывайте выбранные области изображений
- пользовательские модели — импортируйте собственные модели SD1.5 для центрального процессора (в приложении) или нейронного процессора (следуйте руководству по конвертации). Вы можете получить несколько предварительно преобразованных моделей от xororz/sd-qnn или Mr-J-369
- поддержка LoRA — поддержка добавления весов LoRA в пользовательские модели для процессора при импорте.
- веса подсказок — выделение определенных слов в подсказках. Например, (masterpiece:1.5). Тот же формат, что и Automatic1111
- эмбеддинги — поддержка пользовательских эмбеддингов, таких как EasyNegative. Требуется формат SafeTensor. Преобразуйте pt в safetensors с помощью этого
- апскейлеров — 4-кратное увеличение с помощью realesrgan_x4plus_anime_6b и 4x-UltraSharpV2_Lite

Что улучшилось:
Самое большое изменение — переход на ACE-Step 1.5, новейшую музыкальную модель с открытым исходным кодом от ACE Studio. Эта модель по результатам тестирования на SongEval показала результаты между Suno v4.5 и v5, что является огромным скачком по сравнению с тем, на каком уровне находилась генерация локальной музыки еще месяц назад.

Конкретные улучшения качества:
- Разделение инструментов стало намного чище. Треки больше не звучат размыто или сжато
- Значительно улучшилась четкость и естественность вокала. Все еще не на уровне Suno v5, но теперь действительно приятно слушать
- Бас стал более плотным. 808-е и низкие частоты звучат как надо
- Высокочастотные детали (хай-хэты, тарелки, обертоны струнных) звучат более реалистично
- Структура песни на более длинных сессиях стала более целостной. Меньше случайных отклонений

Чем отличается архитектура новой модели:

В ACE-Step 1.5 используется гибридный подход, который отделяет планирование от рендеринга:

1) Языковая модель (на основе Qwen, 0,6–4 млрд параметров) отвечает за планирование песни с помощью метода Chain-of-Thought. Она принимает текстовое описание и создает полный план: темп, тональность, аранжировку, текст, стилистические характеристики.

2) Diffusion Transformer отвечает за синтез звука на основе этого шаблона

Такое разделение означает, что DiT не пытается одновременно понять ваш запрос и сгенерировать звук. Каждый компонент фокусируется на том, что у него получается лучше всего. Аналогичным образом разделение кодировщика текста и декодировщика изображений повысило качество SD-изображений.

Модель также использует внутреннее обучение с подкреплением для выравнивания, а не внешние модели вознаграждения. Без предвзятости в пользу RLHF. Это помогает обеспечить единообразие подсказок на более чем 50 языках.

Технические детали, которые важны для этого сабреддита:
- Модель работает через Apple MLX + графический процессор через Metal
- Требуется менее 8 ГБ памяти. Работает на базе M1/M2 с 16 ГБ памяти
- В модели реализована поддержка тонкой настройки LoRA (пока не в приложении, но в планах)
- Лицензия MIT, обучение на лицензионных и бесплатных данных

Над чем еще нужно поработать:
- Скорость генерации на MLX ниже, чем на CUDA. Минуты, а не секунды. Компромисс ради нативного интерфейса Mac
- Согласованность вокала может варьироваться в зависимости от поколения. Чувствительность к начальным данным по-прежнему высока (проблема «гача»)
- В приложении пока нет обучения с учителем. Если вы хотите провести тонкую настройку, вам нужно будет запустить необработанную модель через Python
- Некоторые жанры (особенно китайский рэп) проигрывают по сравнению с другими