Real-Time Voice Cloning

Klona en röst från fem sekunders ljud och syntetisera godtyckligt tal i realtid.

Real-Time Voice Cloning är en flitigt studerad implementation av SV2TTS-ramverket som klonar en röst från ungefär fem sekunders referensljud och genererar nytt tal med den. Den kedjar samman en talarenkoder, en Tacotron-syntetiserare och en vocoder, och är fortfarande ett populärt referensprojekt för att förstå enkoder-syntetiserare-vocoder TTS-arkitekturen.