Real-Time Voice Cloning

Cloner une voix à partir de cinq secondes d'audio et synthétiser un discours arbitraire en temps réel.

Real-Time Voice Cloning est une implémentation largement étudiée du framework SV2TTS, clonant une voix à partir d'environ cinq secondes d'audio de référence et générant de nouveaux discours avec cette voix. Il enchaîne un encodeur de locuteur, un synthétiseur Tacotron et un vocodeur, et reste une référence populaire pour comprendre l'architecture TTS encodeur-synthétiseur-vocodeur.