Real-Time Voice Cloning

Eine Stimme aus fünf Sekunden Audio klonen und beliebige Sprache in Echtzeit synthetisieren.

Real-Time Voice Cloning ist eine viel beachtete Implementierung des SV2TTS-Frameworks, das eine Stimme aus ca. fünf Sekunden Referenzaudio klont und damit neue Sprache generiert. Es verkettet einen Speaker Encoder, einen Tacotron-Synthesizer und einen Vocoder und bleibt eine populäre Referenz zum Verständnis der Encoder-Synthesizer-Vocoder-TTS-Architektur.