Тег: Голосовые модели

Kitten-TTS 2 синтезирует речь локально, клонирует голос по записи 5–30 секунд и заявляет поддержку 20 языков, включая русский.

Maya 2 Native синтезирует речь на 11 индийских языках и английском, поддерживает потоковую генерацию и клонирование голоса по короткому образцу.

Grok Voice 3.0 ведёт голосовой диалог в реальном времени, поддерживает подключение инструментов и отвечает менее чем за секунду. Модель доступна через API xAI.

SeedRealtime — аудиовизуальная модель ByteDance для общения в реальном времени с одновременным восприятием звука, видео и речи.

Seeduplex — голосовая модель ByteDance для естественного диалога с одновременным прослушиванием и ответом.

Doubao Realtime Voice — сквозная голосовая модель ByteDance для естественных диалогов с низкой задержкой.