🗣 OuteTTS 1.0 — это современный open-source инструмент для синтеза речи (Text-to-Speech), который делает акцент на высоком качестве озвучки, клонировании голоса и поддержке множества языков. Основные особенности:

🔊 Ключевые возможности:
Высокая производительность:
Способен генерировать аудио до 42 секунд (~8192 токена) за один прогон.

Однако для наилучших результатов рекомендуется ограничиваться ~7000 токенами.

- Поддержка клонирования голоса:
Использует референсный голос (speaker reference) длиной, например, 10 секунд. В таком случае контекст для синтеза сокращается: доступно около 32 секунд активного контента (из 42).

- 20 языков:
Поддерживает озвучку на 20 различных языках, что делает его универсальным решением для мультиязычных проектов.

🛠️ Под капотом:
Хотя подробностей о модели в описании немного, из GitHub-репозитория следует, что:

Используются современные архитектуры трансформеров для TTS.

Поддерживается реалистичное клонрование голоса по короткому фрагменту.

Скорость генерации и качество аудио находятся на уровне лучших TTS-систем с открытым кодом.

Установка:
git clone https://github.com/edwko/OuteTTS.git
cd OuteTTS
pip install -r requirements.txt

python 
from outetts import OuteTTS

tts = OuteTTS(
    reference_speaker_path="reference_audio/igor_voice.wav",
    language="ru"  # поддерживаются и другие языки, например: "en", "ja"
)

text = "Привет, Python разработчик! Я твой кастомный голосовой ассистент."
audio = tts.generate(text)

with open("output.wav", "wb") as f:
    f.write(audio)

📥 Ссылка на репозиторий

@pythonl