Хороним ElevenLabs: специалисты из Fish Audio выпустили мощный опенсорсный генератор речи Drama 3 — по точности произношения он уже обошёл конкурентов.

Тулза умеет:

• Поддерживает русский и ещё 82 языка;
• Точечно генерировать. Можно даже подменить слово в уже готовом аудио, не затрагивая остальную дорожку;
• Менять голос прямо в середине предложения;
• Создавать диалоги нескольких персонажей за один проход;
• Управлять эмоциями, шёпотом, интонацией, темпом и многим другим через промпт;
• Добавлять к тексту паузы, интонации и другие указания для нейросети.

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

INCUBE.AI | ПОДПИСАТЬСЯ