Open-source TTS-модель OmniVoice от k2-fsa для локального синтеза речи с zero-shot клонированием голоса на 600+ языках без облачных API.
источник ↗#multilingual
5 записейПлатформа Fish Audio с моделью Drama 3 для генерации выразительных, эмоционально контролируемых голосов в реальном времени.
источник ↗Новая открытая 308-миллионная модель от Google DeepMind для генерации эмбеддингов, оптимизированная для работы на мобильных устройствах и без интернета.
источник ↗Whistle — компактная 16.9 MB модель распознавания речи на CPU, работающая в одном бинарном движке с Needle и поддерживающая семь языков.
источник ↗Открытая многоязычная TTS-модель с 0.1B параметров для реального времени на CPU от MOSI.AI и OpenMOSS.
источник ↗