За считаные минуты получайте полноценную песню с вокалом, текстом и семплами. Работает локально на вашем компьютере. Без облака. Без аккаунта. Без ограничений на создание контента.

Бесплатно включает:
Все, что вам нужно для творчества:
- Неограниченная генерация музыки с помощью искусственного интеллекта (ACE-Step 1.5)
- Сохранение в библиотеку с метаданными и обложкой альбома
- Экспорт: WAV, FLAC, MP3, M4A
- Выделение основного тона
- Чат с ИИ на основе 8+ языковых моделей
- Полный контроль параметров (темп, тональность, продолжительность, текст)
- Работает в автономном режиме после загрузки модели
- Все обновления включены
- Лицензия Apache 2.0 — открытый исходный код на GitHub

Можно подключить свои API-ключи от LLM-провайдеров.
Локально доступны к скачиванию все модели Whisper и что особенно замечательно - есть Parakeet TDT v3 (25 европейских языков, очень быстрая)
Для Mac на чипе Intel не так много программ с Parakeet, а она ну очень быстрая!
Транскрибация сохраняется как заметка! Есть к скачиванию и модели ИИ для автоисправлений и для Агентов и для чата с заметкой и... много функций!
Есть и Словарь для своих терминов!
Доступно на macOS (Intel и чипы М), Windows и Linux

Почему бы просто не запустить простую модель Whisper для каждой аудиозаписи? Модель Whisper предназначена для обработки полных высказываний, а не фрагментов в режиме реального времени. При обработке небольших сегментов теряется контекст, слова обрываются на середине слога, а транскрипция получается некачественной. В WhisperLiveKit используются передовые технологии одновременной обработки речи для интеллектуальной буферизации и инкрементальной обработки.
Серверная часть поддерживает одновременную работу нескольких пользователей. Функция обнаружения голосовой активности снижает нагрузку при отсутствии голосовых запросов.

WhisperLiveKit поддерживает Voxtral Mini, 4-параметрическую речевую модель от Mistral AI, которая изначально поддерживает более 100 языков с функцией автоматического определения языка. Whisper также поддерживает автоматическое определение (--language auto), но функция Voxtral для определения языка по фрагментам более надежна и не смещает акцент в сторону английского языка.
(в потоковом режиме мог бы переводить звук на другой язык!)

NexVid — это лёгкое браузерное расширение для масштабирования и улучшения качества видео в реальном времени. Оно использует обработку Anime4K с ускорением на графическом процессоре, продвинутые фильтры и большую библиотеку шейдеров WebGL для улучшения качества аниме, мультфильмов, фильмов, музыкальных клипов и других веб-видео прямо в вашем браузере. Выбирайте из более чем 15 профилей качества масштабирования Anime4K, настраивайте целевой показатель FPS в соответствии с возможностями вашего оборудования, устанавливайте порог разрешения, чтобы не обрабатывать видео с высоким разрешением, и создавайте собственный набор улучшений, не загружая медиафайлы.

✨ Особенности:
- Масштабирование в реальном времени с профилями от самого быстрого до максимально качественного.
- Управление производительностью, в том числе настройка целевого количества кадров в секунду и автоматическая обработка пороговых значений разрешения.
- Более 30 шейдеров WebGL в категориях ретро, свечения, глитча, хроматизма, художественных эффектов, аниме и экспериментальных категорий сверхвысокого разрешения.
- Расширенные фильтры и элементы управления изображением, в том числе яркость, насыщенность, контрастность, оттенки серого, сепия, поворот оттенка, размытие, гамма, тиснение, морфология, нерезкая маска и повышение резкости.
- Настраиваемые параметры шейдера, а также сохранение и загрузка предустановок для создания полноценных цепочек эффектов.
- Встроенный локальный видеоплеер для применения масштабирования, фильтров и шейдеров к локальным видеофайлам.
- Интерфейс доступен на английском, французском, испанском и упрощенном китайском языках.
- Обработка данных выполняется локально в браузере, что обеспечивает конфиденциальность.

Идеально подходит для пользователей, которым нужны более четкие линии, детализация и стилизованное воспроизведение без выхода из браузера.

Вот что сделали:
- 4-битное квантование GPTQ — сжатие модели с ~60 ГБ до ~20 ГБ
- Обучение с учетом квантования (Quantization-aware training, QAT) с помощью GPTQ и калибровкой для минимизации потери точности
- Тонкая настройка QLoRA на медицинских и научных корпусах
- Убран адаптивный слой идентификации для обеспечения прозрачности — модель корректно приписывает свою архитектуру оригинальной работе DeepSeek

MedQA — это то, что нужно: точность 84 %, что на 4 % меньше, чем у GPT-4o (~88 %), при этом модель работает на одном графическом процессоре L40/L40s.

Скорость: 36,86 токенов в секунду против 22,84 токенов в секунду у базовой модели DeepSeek-R1-32B — примерно в 1,6 раза быстрее и со средней задержкой на ~43 % ниже.

Зачем это сделали: нужна была модель логического вывода, которую можно было бы использовать локально для корпоративных клиентов в сфере здравоохранения со строгими требованиями к суверенитету данных. Никаких вызовов API в OpenAI, никаких данных, покидающих пределы здания. Оказывается, при правильной оптимизации можно добиться практически максимальной производительности за небольшую часть стоимости.