Научил агента говорить моим голосом

Под капотом никакой магии: вся работа идет не локально (локально — качество не то), а через сервера fish.audio. Сейчас у них бесплатно доступна самая последняя модель S2.1 pro. Понятно, что вечно она бесплатной не будет, но при стоимости в 15 долларов за 1 млн символов озвучка минутного видео обойдется примерно в 2 рубля. Как вы понимаете, это почти бесплатно. Качество отличное, учитывая, что это не глубокое клонирование. Конечно, не elevenlabs, но там подписка.

Чтобы установить просто дайте своему агенту прикрепленный архив и инструкцию “установи этот скилл”. Он проведет вас за руку со всеми инструкциями — не разобраться невозможно.

Регаетесь на fish.audio (удобнее через гугловскую почту) и получить API ключ. API ключ, если не стремаетесь, отдаете агенту, он все настроит. Либо можно ввести через консоль, агент даст вам команду для вставки в терминал. На этом все, настройка занимает пару минут, уровень технической подготовки: нулевой.

После этого вам будут доступны все возможности:
озвучка текста любым голосом из библиотеки;
клонирование своего голоса;
клонирование голосов своих друзей для розыгрышей (этично или нет — решайте сами, агент спросит, имеете ли вы соглашение носителя голоса на клонирование);
озвучка с расставлением интонаций и прочее. Самое удобное, что вы все еще общаетесь с агентом через привычную среду — он все подскажет.

Кому удобнее, можете забрать на Гитхабе.

Пользуйтесь, делитесь!

~
Подписывайтесь: @cowindow