Re-tell.ai

Сервис генерации речи NPC.
Фишка - эмоции можно прописывать текстовым промтом.
Запуск бета-тестирования через неделю.

реддит
Записаться в вейтлист

#text2speech #tts #text2voice #text2emotion #voice

HierSpeech++: Bridging the Gap between Semantic and Acoustic Representation of Speech by Hierarchical Variational Inference for Zero-shot Speech Synthesis

Генератор речи из текста по короткому заданному образцу. Воспроизводит не только индивидуальный голос, но и эмоции с интонациями.

Пока только английский язык, скоро сделают мультиязычную версию.

Код
Демо

#text2speech #tts #text2voice #text2emotion #voice2voice #speech2speech #voicecloning

Появился Колаб для HierSpeech++
Ждем русский язык

Колаб

#text2speech #tts #text2voice #text2emotion #voice2voice #speech2speech #voicecloning

NotebookLM

Сервис гугла для превращения PDF в подкаст получил новую фичу.

Теперь можно перед созданием проинструктировать подкастеров сосредоточить внимание на конкретных темах или задать уровень экспертизы.

#text2voice #pdf2voice

Podcastfy.ai

Альтернатива NotebookLM в виде демоспейса на HF, делает из текста подкаст.

На вход принимает текст, PDF, ссылки, в том числе на видео. И даже картинки

Понадобятся API токены Gemini или OpenAI и опционально Elevenlabs

#text2voice #pdf2voice #video2voice

Сервис гугла NotebookLM для превращения любых источников в подкаст научился говорить по-русски (и еще на 50 языках)

Попробовать - притворитесь что вы не в России

#text2voice #pdf2voice #text2podcast

Qwen3-TTS: VoiceDesign и VoiceClone

Qwen представил обновку говорилок Qwen3-TTS

VoiceDesign создает уникальные голоса с нуля - не помню такой фичи вообще ни у кого!

VoiceClone быстро и качественно клонирует любой голос.

VoiceDesign-VD-Flash

Создает голос по текстовым инструкциям. Управляет тоном, ритмом, эмоциями и персоной. Создает уникальную вокальную идентичность. Превосходит GPT-4o-mini-tts и Gemini-2.5-pro в role-play.


VoiceClone-VC-Flash

Клонирует голос по 3 секундам аудио. Генерирует речь на 10 языках. Имеет на 15% более низкий WER, чем ElevenLabs и GPT-4o-Audio. Использует контекстно-зависимую интонацию и ритм для естественного звучания.

Qwen Chat

VoiceDesign HF Демо
VoiceDesign MS Демо

VoiceClone HF Демо
VoiceClone MS Демо

API VoiceDesign
API VoiceClone

#tts #text2speech #voicecloning #voicedesign #text2voice

Qwen3-TTS в опенсорсе

Продолжаем день машинного голоса на Нейронавте

Qwen полностью выложил в опенсорс семейство голосовых моделей Qwen3-TTS: Voice Design, Clone и генератор

- 5 моделей - 0.6B и 1.7B
- 10 языков
- 12Hz tokenizer - сильная компрессия аудио без сильной потери качества

Гитхаб
Демо
HF
API

#tts #text2speech #voicecloning #voicedesign #text2voice

ComfyUI-Qwen-TTS

Ноды клонирования голоса, генерации речи и дизайна голоса Qwen3-TTS

туториал (youtube)

#tts #text2speech #voicecloning #voicedesign #text2voice #comfyui #tutorial

ComfyUI-QwenTTS

Еще один пак нод Qwen3-TTS

Клонированные голоса можно сохранять в библиотеку и снова использовать
———————————

ComfyUI-QwenASR

Ноды распознавания QwenASR

воркфлоу собранный на обоих этих штуках

#tts #text2speech #voicecloning #voicedesign #text2voice #comfyui #asr #stt