Тема
4 материала
Навигация
Материалы Виталия Воробьева по теме TTS: статьи, блог, база знаний, кейсы и промпты.
Подборка
Два open-source инструмента, которые в связке заменяют съёмочную группу: Video Shotcraft собирает кинематографичные промо-ролики, OmniVoice озвучивает на 600+ языках с клонированием голоса. Установка на macOS, пайплайн, Instagram Reels.
Подборка
Что такое Fish Audio Drama 3: режиссура в скобках и тегах, мультиспикер, 83 языка, API-вызов и ограничения модели.
Мультимодальная модель на 4B параметров отказалась от фонем в пользу авторегрессионной генерации токенов, позволив управлять интонацией через текстовые теги.
Open-source библиотека для синтеза, распознавания и детекции русской речи на CPU без облака и API-ключей
Полный обзор экосистемы Qwen от Alibaba Cloud: 12 семейств моделей, от текстовых LLM Qwen3.5/3.6 до мультимодальных Omni, визуальных VL, кодинг-агентов Coder, генерации изображений, TTS/ASR, embedding/reranker и world models. Архитектура Dense и MoE, 201 язык, лицензии, сравнение с Llama и Mistral.
Следующий шаг
Посмотрите кейсы с реальными процессами и цифрами. Если уже знаете, что хотите автоматизировать, напишите напрямую.
Vorobeoff
