Ого... В опенсорс выложили TTS-модель уровня ElevenLabs! 🤯
Fish Audio представили Fish Audio S2. Модель выдает голос с задержкой до 150 мс и тянет сразу несколько голосов за одну генерацию.
Самое крутое: можно детально настраивать эмоции. Просто меняете ползунок, и нейросеть читает текст то спокойным голосом, то срывается на крик.
Гитхаб
Потестить тут
Fish Audio представили Fish Audio S2. Модель выдает голос с задержкой до 150 мс и тянет сразу несколько голосов за одну генерацию.
Самое крутое: можно детально настраивать эмоции. Просто меняете ползунок, и нейросеть читает текст то спокойным голосом, то срывается на крик.
Гитхаб
Потестить тут