Xiaomi выкатила открытую систему OmniVoice, которая берется озвучить текст и клонировать голос почти на любом языке. Главная фишка тут в том, что ей не нужны горы исходников. Нейронка выдает вполне человеческую речь, даже если обучалась на крошечных отрывках меньше десяти часов. Причем это не просто сухой робот, она умеет имитировать вздохи, смех и подстраиваться под словесное описание тембра. 🎙️
Архитектуру модели максимально упростили, так что она работает в сорок раз быстрее реального времени. Это позволяет запускать её на обычных устройствах без жутких задержек. Система сама убирает фоновый мусор из присланного образца и позволяет вручную править сложные моменты в произношении имен или редких слов.
https://github.com/k2-fsa/OmniVoice
