Persona Engine слушает вас через микрофон, генерирует мысли с помощью большой языковой модели, ориентируясь на файл с описанием личности, озвучивает их с помощью технологии преобразования текста в речь в реальном времени (при желании с клонированием голоса) и управляет аватаром Live2D в режиме синхронизации. Вы можете наблюдать за персонажем через встроенное прозрачное наложение или транслировать его в OBS через Spout.

Входящая в комплект модель Aria уже настроена для работы с функцией синхронизации губ и мимики в движке. Вы также можете использовать свою собственную модель! Стандартные модели, совместимые с OpenAI (Groq, OpenAI, Ollama и т. д.), тоже работают!
Важно: Требуется графический процессор NVIDIA с CUDA (Windows x64). ASR, TTS и RVC работают на CUDA через среду выполнения ONNX — процессоры CPU/AMD/Intel не поддерживаются.

Лучшие модели с открытым исходным кодом для генерации звука

Преобразование текста в речь (TTS)
Qwen3-TTS → Лучший баланс (качество + скорость)
Kimi-Audio → Сильные мультимодальные + выразительные голоса
Fish Speech / Fish Audio S2 → Отлично подходит для реалистичного клонирования голоса
CosyVoice 3.0 → Очень надежный многоязычный + потоковая передача
VibeVoice Realtime → Лучше всего подходит для приложений реального времени

Клонирование голоса
VoxCPM2 → Высококачественное клонирование + поддержка многих языков
IndexTTS2 → Чистый звук + хорошая стабильность
Kokoro / KokoClone → Легкое и быстрое клонирование

Генерация музыки
ACE-Step 1.5 → Лучший музыкальный генератор с открытым исходным кодом на данный момент
Magenta Realtime → Музыкальные эксперименты в реальном времени
Uni-MoE (аудио) → Многоцелевой генератор аудио

Мультимодальный звук (Anything → Audio)
AudioX / Audio-Omni → Самый полный мультимодальный аудиостек
MMAudio → Поддерживает преобразование текста, изображений и видео в аудио
Woosh / ThinkSound → Хорошие экспериментальные модели

Улучшение звука
NVIDIA A2SB → Лучше всего подходит для восстановления и ретуширования
AudioSR / NovaSR → Качественное масштабирование и улучшение звука

Распознавание речи (ASR)
FunASR → мощная многоязычная система + потоковая передача
VibeVoice-ASR → хорошая производительность в режиме реального времени
Cohere Transcribe (ОС) → чистая и надежная система

Лучшие модели с открытым исходным кодом для создания изображений

FLUX.1 [schnell]
Самая быстрая модель с открытым исходным кодом, обеспечивающая баланс качества и скорости для потребительских графических процессоров.

FLUX.1 [dev]
Лидер по результатам тестов для высокоточных сложных сцен от Black Forest Labs.

Stable Diffusion 3.5 Large
Универсальная экосистема для тонкой настройки и редактирования.

GLM-Image
Специалист по типографике для двуязычной инфографики под лицензией Apache 2.0.

Qwen-Image-2512
Мощный инструмент для многоязычного редактирования и переноса креативных стилей.

Z-Image-Turbo
Легкий генератор 6B в режиме реального времени для периферийных вычислений и пакетной обработки.

HiDream-I1-Full
Эксперт по необработанному фотореализму для высококачественных изображений.

SANA-Sprint 1.6B
Сверхэффективный вариант с низким объемом видеопамяти для быстрых экспериментов.

HunyuanImage-3.0
Исследовательский вариант для повышения согласованности и разнообразия.

Лучшие модели с открытым исходным кодом для преобразования изображений в видео

LTX-2.3
Ведущая модель с открытым исходным кодом для преобразования изображений в видео с поддержкой 4K, 50 кадров в секунду и синхронизированным звуком https://huggingface.co/Lightricks/LTX-2.3.

LTX-2.3-GGUF
Квантованный вариант LTX-2.3 с 21 миллиардом параметров для эффективного логического вывода на потребительском оборудовании https://huggingface.co/unsloth/LTX-2.3-GGUF.

LTX-2.3-Workflows
Рабочие процессы ComfyUI, оптимизированные для конвейеров создания видео LTX-2.https://huggingface.co/RuneXX/LTX-2.3-Workflowshttps://huggingface.co/RuneXX/LTX-2.3-Workflows.

WAN2.2-14B-Rapid-AllInOne
Универсальная модель 14B для преобразования изображений в видео с архитектурой MoE для быстрого локального запуска https://huggingface.co/Phr00t/WAN2.2-14B-Rapid-AllInOne.

VBVR-LTX2.3-diffsynth
Интеграция Diffsynth для LTX-2.3, обеспечивающая расширенные возможности синтеза видео https://huggingface.co/Video-Reason/VBVR-LTX2.3-diffsynth.

BFS-Best-Face-Swap-Video
Специализированная модель LTX для замены лиц в видео для реалистичной замены персонажей https://huggingface.co/Alissonerdx/BFS-Best-Face-Swap-Video.

Wan2.2-I2V-A14B-GGUF
Квантованная модель Wan2.2 для преобразования изображений в видео с разрешением 480p/720p на графических процессорах среднего уровня https://huggingface.co/QuantStack/Wan2.2-I2V-A14B-GGUF.

supports thinking in two modes:
- standard thinking gemma template or
- <thinking></thinking> blocks on non-thinking gemma template
- <think></think> should work too, along with tricks like <evil_think></evil_think> etc.
- custom thinking can be described in the system prompt

Разница между версиями 1 и 1.1 довольно проста: версия 1 была первой попыткой, запоздалым релизом, который отличался проработанной прозой и стилем, но требовал некоторой доработки, чтобы избавиться от таких особенностей, как заикание. Версия 1.1 — это более совершенный подход, в котором стабильность сочетается с качеством. (Обсуждение)

Eurora

подключается напрямую к вашему браузеру. Когда вы задаете вопрос, ИИ анализирует контекст страницы вашего браузера, чтобы мгновенно дать правильный ответ.

Добро пожаловать в Eurora — кроссплатформенного, полностью приватного помощника с ИИ и открытым исходным кодом, который учитывает контекст.

Eurora обеспечивает бесшовную интеграцию с операционной системой и значительно упрощает процесс задавания вопросов. Облачные серверы расположены в Нидерландах, а все данные хранятся в европейских суверенных центрах обработки данных, что обеспечивает полную конфиденциальность для пользователей по всему миру в соответствии с высочайшими стандартами, установленными Европейским союзом. Мы предоставляем поддержку при локальном развертывании и обширную документацию для установки на ваш домашний сервер.

Что получилось:
3 независимых сервиса за одним API:
- /search — Tavily-совместимый поиск через SearXNG (100+ движков)
- /extract — URL → чистый markdown через trafilatura, с пресетами размера (s/m/l/f) и пагинацией для длинных статей
- /research — deep research агент(Hermes) даёшь вопрос, получаешь markdown-отчёт с цитатами

Агент-ядро — Hermes (Nous Research, 109k ⭐️), эфемерно спавнится на каждый /research запрос, --rm после exit

Видит три наших скилла: search, extract, deep-research (последний чистая методичка без кода, описывает 5 фаз:

plan → gather → gap-check → synthesise → verify

Стек: SearXNG + FastAPI + trafilatura + Hermes + docker-socket-proxy (для безопасного спавна)
Всё в одном docker compose up
LLM-агностик gpt-oss-120b(на ней делал тесты на vLLM, OpenAI, Anthropic, Ollama, что угодно OpenAI-совместимое)

Старый adapter был тактической заплаткой на Tavily
Новый стек полноценная альтернатива Perplexity/Exa/You.com для self-hosted agentic deep research system setup, и при этом каждый из трёх сервисов полезен сам по себе

OpenShorts генерирует:
• Клипы — вырезает ключевые фрагменты, подгоняет под формат 9:16, добавляет субтитры, названия и даже дубляж.
• UGC-видео — по описанию ролика пишет сценарий, делает озвучку и добавляет говорящую голову.
• Продакшен — генерирует кастомные обложки для YouTube, заголовки и описания, а также публикует ролик в один клик в любую соцсеть.

Самое главное — никаких подписок, рекламы, вотермарок и лимитов, а всё работает локально через Docker.

💬 Бесплатный генератор клипов с открытым исходным кодом Clip Generator и создатель пользовательского контента с ИИ!
Три инструмента в одном.
- Генератор клипов: превращайте длинные видео с YouTube в вирусные ролики с помощью функции распознавания моментов с помощью искусственного интеллекта, интеллектуальной обрезки под формат 9:16 и автоматических субтитров.
- AI Shorts: создавайте маркетинговые видео с пользовательским контентом с помощью искусственного интеллекта и функции синхронизации губ для любого бизнеса.
- YouTube Studio: бесплатный генератор миниатюр с помощью ИИ, 10 вариантов вирусных заголовков с возможностью доработки в чате и автоматические описания с главами. Собственный хостинг, открытый исходный код, без ограничений.

Чтобы отключить «размышления», вам нужно отредактировать шаблон jinja или использовать параметр {«enable_thinking»: false}. Внимание: в Qwen3.6 нет программных переключателей /think и /no_think, которые были в Qwen3, поэтому используйте параметр.