Нова open-sourse SOTA tts від Miso Labs, маленька, спритна, якісна, спрямована на генерацію розмовної мови MisoTTS 8B

Кло­нує будь-який голос за 10-секун­дним аудіо­сем­плом, голос аген­та зали­ша­є­ться іден­ти­чним ори­гі­на­лу всю розмову

Від­по­від­ає місо за 110мс, можна ска­за­ти ріалтайм

На бек­бо­ні у неї flama-8B (Llama 3.2‑style) та аудіо деко­дер flama-300M, голов­ний мінус що мова тіль­ки англійська

Спро­бу­ва­ти – демоспейс
HuggingFace 
Github 
Сайт — тут можна поте­сту­ва­ти пря­мо на голов­ній сторінці