Клонируем любой голос на русском за 5 секунд — нашел крутую нейронку GPT-SoVITS:

• Нашел версию с нативной поддержкой русского языка (обучена на ≈288 часах русского)
• Поддержка китайского (дополнительно обучена на 10 часах китайского)
• Zero-shot клонирование — клонирует по 5-10 секундам референсного голоса
• Few-shot / Fine-tuning — можно дообучить нейронку на записи в 1 минуту для максимального сходства
• Хорошее сохранение тембра, интонаций и эмоций голоса
• Кросс-лингвальный режим (русский голос → китайский текст и наоборот)
• Полностью локальная работа
• Есть WebUI — удобный графический интерфейс
• Может генерировать большое количество аудио за раз
• Сохранение естественности речи — паузы, дыхание, эмоциональная окраска

Сохраняем и балуемся 😉

Пет-проект