Real-Time Voice Cloning

Clona una voce da cinque secondi di audio e sintetizza parlato arbitrario in tempo reale.

Real-Time Voice Cloning è un'implementazione ampiamente studiata del framework SV2TTS, che clona una voce da circa cinque secondi di audio di riferimento e genera nuovo parlato con essa. Concatena un encoder del parlante, un sintetizzatore Tacotron e un vocoder, ed è ancora oggi un riferimento popolare per comprendere l'architettura TTS encoder-sintetizzatore-vocoder.