«Помедленнее и потише» можно задать голосу числами. SteerTTS позволяет отдельно направл...
«Помедленнее и потише» можно задать голосу числами. SteerTTS позволяет отдельно направлять темп, громкость и высоту — пока только английской речи. Любопытная деталь: обычную просьбу модель сначала переводит в настройки, которые можно посмотреть. Сказали «чуть быстрее» — получили конкретный запрос, а не только аудио с непонятно как выбранной интонацией. Можно сразу передать нужные параметры или отметить паузу в самом тексте. При этом «не быстро» модель может понять как «быстро». Автор прямо показывает эту слабость: для точной настройки числа полезнее красивого описания настроения. И все двенадцать регуляторов работают не одинаково уверенно. Код и веса доступны для локального запуска. По замерам разработчика, вариант без дополнительного улучшателя звука успевает озвучивать на CPU быстрее реального времени; в командной строке это --no-flow. Веса разрешены только для некоммерческого использования, лицензия CC BY-NC 4.0. Для опытов с управляемой речью — занятная штука. Для платной озвучки на русском нужен другой инструмент.