Бомбовый дроп в опенсорс: вышла самая качественная, быстрая и довольно маленькая моделька для генерации речи — MisoTTS 8B рвёт все бенчмарки 😮

Для клонирования голоса достаточно записи длинной в 10 секунд, при этом модель пытается идеально передать человеческие эмоции и делает это гигабыстро — задержка жалкие 110 миллисекунд.

Весь код на GitHub, есть бесплатная демка ☕️