Open-source TTS-модель OmniVoice от k2-fsa для локального синтеза речи с zero-shot клонированием голоса на 600+ языках без облачных API.
источник ↗#zero-shot
2 записейGoogle DeepMind выпустила EmbeddingGemma 2 — компактную 740M-параметровую open-weight модель, которая переводит текст, изображения, видео и аудио в единое векторное пространство для локального поиска и принятия решений.
источник ↗