Обзор новых моделей и инструментов для TTS и ASR
Н@GreenNeuralRobotsAI-инженер
3 недКраткий обзор свежих релизов в области синтеза и распознавания речи: от эмоционального TTS до оптимизированных моделей Whisper и кросс-язычного F5-TTS 2.
Технологии обработки голоса становятся доступнее и качественнее для локальных задач.
- Появление специализированных моделей для русского языка улучшает качество распознавания речи.
- Оптимизация TTS-движков позволяет запускать синтез голоса на крайне дешевом аппаратном обеспечении.
- Кросс-язычные модели упрощают создание контента на иностранных языках с сохранением оригинального тембра голоса.
#TTS #ASR
huggingface.co/SpragAI/qwen3-tts-emotion-tags - TTS с эмоциями: теги передают чувства в произносимых строках
huggingface.co/oruk/orukeet - Orukeet: режет ошибки произношения слов в 25 языках спец-ядрами
github.com/Ampixa/sanoTTS - sanoTTS: крошечная говорилка, работает на чипе за три доллара
huggingface.co/moondream/parakeet-ultra - ASR от moondream
huggingface.co/coriollon/whisper-large-v3-turbo-russian - Whisper large v3 turbo, файнтюн под #russian
huggingface.co/coriollon/whisper-large-v3-turbo-russian-codeswitch - тот же файнтюн с поддержкой code-switching (смешение языков в речи)
qingyuliu0521.github.io/Cross-Lingual_F5-TTS_2_demo - F5-TTS 2: кросс-язычный синтез — голос на одном языке говорит на другом
MAX
Кратко (AI)
В подборке представлены актуальные инструменты для работы с аудио: модели для эмоционального синтеза речи, оптимизированные системы распознавания для русского языка и кросс-язычные решения. Среди новинок — легковесный движок sanoTTS для дешевого оборудования и обновленные версии Whisper с поддержкой смешанной речи.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖