Audio8-TTS Realistic 0.6B

Компактная говорилка от Edge0, 600М параметров. Версия дорабатывает интонации и выразительность, сохраняя клонирование голоса без обучения.

• Клонирование по образцу записи и ее тексту
• Озвучка без образца, обычным голосом модели
• 23 языка, включая русский
• Собственный кодек 44,1 кГц в комплекте, отдельно качать не нужно
• Архитектура DualAR: медленный трансформер предсказывает смысловой токен, быстрый добирает кодбуки кадра
• 24 слоя в медленном блоке и 4 в быстром, 10 кодбуков по 4096 значений

• 601 млн параметров без кодека
• Контекст до 2048 позиций текста и аудио

Из 23 языков 12 добавлены в этой версии, русский как раз из новых. Качество по языкам разное, возможны ошибки произношения

HF
Демо

Спасибо @Endorpheen

#compact #tts #voicecloning