⚡️ Хороним ElevenLabs: спецы из Fish Audio выкатили мощнейший опенсор-генератор речи Drama 3 — он уже обошёл конкурентов по точности произношения.

Тулза предлагает:
🔅 Знание русского и ещё 8️⃣2️⃣ языков;
🔅 Точечную генерацию. Можно даже заменить слово в готовом аудио, не меняя остальную дорожку;
🔅 Смену голоса прямо посреди предложения;
🔅 Генерацию диалогов нескольких героев за один подход;
🔅 Управление эмоциями, шёпотом, интонацией, темпом и прочим через промпт;
🔅 Добавление к тексту пауз, интонаций и других указаний для нейронки.

Для локального запуска берём веса тут, но готовим мощное железо и 48 ГБ VRAM. Для теста пробуем тулзу в браузере — тут.

🙂 Не баг, а фича