Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

Modelos locais de áudio

Falar, transcrever, converter áudio, música e efeitos.

Memória de GPU documentada

Menor caminho publicado por modelo · GB, escala log · menor é melhor · 31 de 168 modelos

  • Cor = publicador

Fonte: requisitos documentados pelos publicadores

Taxa de erro de palavras · Open ASR

0–8% · menor é melhor · resultados publicados, não medições locais

Fonte: open-asr-en-shortform · consultado 20 de out. de 2026

Menor memória documentada

whisper-base: 1 GB

Catálogo

168 modelos · 31 com memória documentada

Português

25 modelos listam português

Escolha sua máquina e os gráficos e tabelas marcam o que cabe na memória dela.

Modelos de áudio

168 modelos · 17 revisados · verificando 26 de set. de 2026 

Modelos de áudio
Nemotron-3-DiarizationMLX Community · Classificar áudio / detecção de voz · OpenMDW 1.10,1Nenhum publicador documenta um caminho de memória para este modeloNem o card no Hub nem as páginas do publicador nomeiam os idiomasset. de 2026OpenMDW 1.1
AuKTencent · Texto → fala (TTS) · MIT1,525Nem o card no Hub nem as páginas do publicador nomeiam os idiomasset. de 2026MIT
AuK-FlashTencent · Texto → fala (TTS) · MITO Hub não informa a contagem de parâmetros deste repositório24,972set. de 2026MIT
VibeVoice-ASR-Streaming-7BMicrosoft · Fala → texto · MIT8,7Nenhum publicador documenta um caminho de memória para este modelo10 · PTset. de 2026MIT
Breeze TTS 2BreezeBlue · Texto → fala (TTS) · BreezeBlue Research and Non-Commercial3,47122ago. de 2026BreezeBlue Research and Non-Commercial
granite-speech-5.0-470m-turboctcIBM · Fala → texto · Apache 2.00,5Nenhum publicador documenta um caminho de memória para este modelo1ago. de 2026Apache 2.0
granite-speech-5.0-470m-turboctc-ncIBM · Fala → texto · CC BY-NC-SA 4.00,5Nenhum publicador documenta um caminho de memória para este modelo1ago. de 2026CC BY-NC-SA 4.0
VibeVoice-ASR-BitNetMicrosoft · Fala → texto · MIT0,3Nenhum publicador documenta um caminho de memória para este modelo7 · PTjul. de 2026MIT
Qwen3-ASR-0.6B-hfAlibaba · Fala → texto · Apache 2.00,8Nenhum publicador documenta um caminho de memória para este modelo30 · PTjun. de 2026Apache 2.0
Qwen3-ASR-1.7B-hfAlibaba · Fala → texto · Apache 2.02Nenhum publicador documenta um caminho de memória para este modelo30 · PTjun. de 2026Apache 2.0
Higgs Audio V3 TTSBoson AI · Texto → fala (TTS) · Boson Higgs TTS 3 Research and Non-Commercial416100 · PTjun. de 2026Boson Higgs TTS 3 Research and Non-Commercial
granite-speech-4.1-2bIBM · Fala → texto · Apache 2.02,3Nenhum publicador documenta um caminho de memória para este modelo6 · PTabr. de 2026Apache 2.0
granite-speech-4.1-2b-plusIBM · Fala → texto · Apache 2.02,1Nenhum publicador documenta um caminho de memória para este modelo5 · PTabr. de 2026Apache 2.0
Voxtral TTSMistral · Texto → fala (TTS) · CC BY-NC 4.04169 · PTmar. de 2026CC BY-NC 4.0
Fish Audio S2 ProFish Audio · Texto → fala (TTS) · Fish Audio Research42483 · PTmar. de 2026Fish Audio Research
VibeVoice-ASRMicrosoft · Fala → texto · MIT8,7Nenhum publicador documenta um caminho de memória para este modelo51 · PTjan. de 2026MIT
Magpie-Multilingual 357MNVIDIA · Texto → fala (TTS) · NVIDIA Open Model0,364Nenhum publicador documenta um caminho de memória para este modelo12 · PTjan. de 2026NVIDIA Open Model
GLM-TTSZ.ai · Texto → fala (TTS) · MITO Hub não informa a contagem de parâmetros deste repositórioNenhum publicador documenta um caminho de memória para este modelo2dez. de 2025MIT
Step Audio EditX (Mar 2026)StepFun · Texto → fala (TTS) · Termos do publicador3125nov. de 2025Termos do publicador
VibeVoice 1.5BMicrosoft · Texto → fala (TTS) · MIT1,5Nenhum publicador documenta um caminho de memória para este modelo2ago. de 2025MIT
parakeet-tdt-0.6b-v3NVIDIA · Fala → texto · CC BY 4.00,62Nem o card no Hub nem as páginas do publicador nomeiam os idiomasago. de 2025CC BY 4.0
OpenAudio S1 MiniFish Audio · Texto → fala (TTS) · CC BY-NC-SA 4.00,51213 · PTjun. de 2025CC BY-NC-SA 4.0
ChatterboxResemble AI · Texto → fala (TTS) · MIT0,5Nenhum publicador documenta um caminho de memória para este modelo1mai. de 2025MIT
Stable Audio Open SmallStability AI · Efeitos e áudio · Stability AI Community0,5Nenhum publicador documenta um caminho de memória para este modelo1mai. de 2025Stability AI Community
24 de 126
Mais 42 repositórios com poucos dadossem parâmetros, memória documentada ou data de lançamento
Repositórios de áudio com poucos dados
Ace-Step1.5ACE-Step · Efeitos e áudio · MITNem o card no Hub nem as páginas do publicador nomeiam os idiomasMIT
barkSuno · Texto → fala (TTS) · MITNem o card no Hub nem as páginas do publicador nomeiam os idiomasMIT
chatterboxResemble AI · Texto → fala (TTS) · MITNem o card no Hub nem as páginas do publicador nomeiam os idiomasMIT
chatterbox-turbo-ONNXResemble AI · Texto → fala (TTS) · MITNem o card no Hub nem as páginas do publicador nomeiam os idiomasMIT
ChatTTS2Noise · Efeitos e áudio · CC BY-NC 4.0Nem o card no Hub nem as páginas do publicador nomeiam os idiomasCC BY-NC 4.0
Confucius4-R2T2-8bitMLX Community · Fala → texto · Termos do publicador2Termos do publicador
CosyVoice2-0.5BQwenAudio · Texto → fala (TTS) · Apache 2.0Nem o card no Hub nem as páginas do publicador nomeiam os idiomasApache 2.0
DramaboxResemble AI · Texto → fala (TTS) · Termos do publicadorNem o card no Hub nem as páginas do publicador nomeiam os idiomasTermos do publicador
E2-TTSSWivid · Texto → fala (TTS) · CC BY-NC 4.0Nem o card no Hub nem as páginas do publicador nomeiam os idiomasCC BY-NC 4.0
F5-TTSSWivid · Texto → fala (TTS) · CC BY-NC 4.0Nem o card no Hub nem as páginas do publicador nomeiam os idiomasCC BY-NC 4.0
faster-whisper-large-v3SYSTRAN · Fala → texto · MITNem o card no Hub nem as páginas do publicador nomeiam os idiomasMIT
faster-whisper-smallSYSTRAN · Fala → texto · MITNem o card no Hub nem as páginas do publicador nomeiam os idiomasMIT
fish-speech-1.5Fish Audio · Texto → fala (TTS) · CC BY-NC-SA 4.0Nem o card no Hub nem as páginas do publicador nomeiam os idiomasCC BY-NC-SA 4.0
Fun-CosyVoice3-0.5B-2512QwenAudio · Texto → fala (TTS) · Apache 2.0Nem o card no Hub nem as páginas do publicador nomeiam os idiomasApache 2.0
HunyuanVideo-FoleyTencent · Efeitos e áudio · Termos do publicadorNem o card no Hub nem as páginas do publicador nomeiam os idiomasTermos do publicador
IndexTTS-2Index Team · Texto → fala (TTS) · Não informadaNem o card no Hub nem as páginas do publicador nomeiam os idiomasNão informada
IndexTTS-2.5Index Team · Texto → fala (TTS) · Termos do publicadorNem o card no Hub nem as páginas do publicador nomeiam os idiomasTermos do publicador
indic-conformer-600m-multilingualAI4Bharat · Fala → texto · MITNem o card no Hub nem as páginas do publicador nomeiam os idiomasMIT
kitten-tts-2KittenML · Texto → fala (TTS) · Termos do publicadorNem o card no Hub nem as páginas do publicador nomeiam os idiomasTermos do publicador
LTX-2.3-22b-LoRA-Foley-V2ALightricks · Efeitos e áudio · Termos do publicador1Termos do publicador
magenta-realtime-2Google · Efeitos e áudio · CC BY 4.0Nem o card no Hub nem as páginas do publicador nomeiam os idiomasCC BY 4.0
MaskGCTAmphion · Texto → fala (TTS) · CC BY-NC 4.0Nem o card no Hub nem as páginas do publicador nomeiam os idiomasCC BY-NC 4.0
MeloTTS-EnglishOpenVoice · Texto → fala (TTS) · MITNem o card no Hub nem as páginas do publicador nomeiam os idiomasMIT
mms-tts-engMeta · Texto → fala (TTS) · CC BY-NC 4.0Nem o card no Hub nem as páginas do publicador nomeiam os idiomasCC BY-NC 4.0
24 de 42