На GitHub появился инструмент VoiceStudio — бесплатная и полностью открытая альтернатива платному ElevenLabsi для работы с голосом. Он умеет клонировать голоса по короткой записи, создавать голоса с нуля, озвучивать текст, делать дубляж видео с таймингом и транскрибировать аудио, поддерживая 646 языков.

Главное отличие от коммерческих сервисов — всё работает локально на компьютере пользователя (macOS, Windows, Linux), а удалённые сервисы и аналитика подключаются только по желанию и с согласия. Инструмент уже набрал 38 тыс. звёзд на GitHub, что говорит о быстром росте популярности среди разработчиков и создателей контента.

Полный разбор →

Компания Pika представила линейку аудиомоделей — Pika Music, Pika Soundtrack, Pika SFX и Pika Speech. Флагман линейки, Pika Music, — полноценный генератор песен по типу Suno и MiniMax Music: на вход можно подать текстовый промпт, готовый текст песни, референс голоса, музыкальный референс или всё это одновременно, на выходе — законченный трек длиной до 6 минут.

Запуск связан с усилением конкуренции на рынке генерации музыки: по замечанию источника, «Минимакс покусал Пику», после чего компания выпустила собственное аудио-семейство. Главный козырь Pika Music — цена: она заявлена как до 10 раз дешевле «сопоставимых» музыкальных моделей, что может заметно изменить экономику AI-генерации музыки для контент-мейкеров.

Полный разбор →

ByteDance Seed представила Seed Audio 1.0 — аудиомодель, которая по одному промпту генерирует целую звуковую сцену: речь, атмосферу и звуковые эффекты одновременно. Доступ к модели открыт через платформу BytePlusi.

Модель ориентирована на озвучку, подкасты и дубляж: она позволяет жёстко задавать тайминг репликi с точностью до 100 мс и создавать голоса как по текстовому описанию, так и по аудио- или визуальному референсу.

Полный разбор →