Најди сличен содржај

🗣 Новая линейка Qwen3-TTS: VoiceDesign и VoiceClone Qwen представили новое поколение TTS-моделей, которые выводят управление голосом и voice cloning на новый уровень. Быстрее, выразительнее и гибче, чем раньше. VoiceDesign-VD-Flash Модель для полного конструирования голоса с нуля. Что умеет: - полный контроль речи через обычные текстовые инструкции - управление тоном, ритмом, эмоциями и персоной - никаких готовых голосов - ты создаешь уникальную вокальную идентичность - превосходит GPT-4o-mini-tts и Gemini-2.5-pro в role-play бенчмарках Подходит для: - игровых персонажей - виртуальных ассистентов - сторителлинга и диалогов - AI-персонажей с характером VoiceClone-VC-Flash Фокус на быстрое и качественное клонирование голоса. Ключевые возможности: - клонирование любого голоса всего по 3 секундам аудио - генерация речи на 10 языках (китайский, английский, японский, испанский и другие) - на 15% ниже WER по сравнению с ElevenLabs и GPT-4o-Audio в мультиязычных тестах - контекстно-зависимая интонация и ритм для более естественного звучания https://x.com/Alibaba_Qwen/status/2003445076257656880 Попробовать: •Qwen Chat:http://chat.qwen.ai •Блог: https://qwen.ai/blog?id=qwen3-tts-vc-voicedesign • VoiceDesign: http://hf.co/spaces/Qwen/Qwen3-TTS-Voice-Design http://modelscope.cn/studios/Qwen/Qwen3-TTS-Voice-Design • VoiceClone: http://hf.co/spaces/Qwen/Qwen-TTS-Clone-Demo http://modelscope.cn/studios/Qwen/Qwen-TTS-Clone-Demo @ai_machinelearning_big_data #AI#TTS#voicecloning

【🤖 AI｜xAI Grok 推 Custom Voices：2 分鐘克隆、雙階段身分驗證】 xAI 5/2 推出 Grok Custom Voices：使用者錄製約 1 分鐘自然語音、2 分鐘內生成可用聲音模型，整合進 TTS 與 Voice Agent API。雙階段身分驗證機制（驗證句即時轉錄 + speaker embedding 比對）防止克隆他人聲音。同步推出 Voice Library 介面與 Grok 4.3 模型，預建聲音庫 80+ 種、支援 28 語言。 #xAI#Grok#VoiceCloning 📍閱讀全文： https://abmedia.io/xai-grok-custom-voices-clone-two-stage-verification-may-2026

Scarlett Johansson Sues AI App for Unauthorized Voice Cloning in Ad Hello, dear subscribers! Scarlett Johansson is taking legal action against an AI app developer for using her voice in an online ad without her consent. The ad in question featured an AI-generated version of Scarlett Johansson's voice endorsing an AI image editor, Lisa AI: 90s Yearbook & Avatar. The 22-second ad began with the real Johansson and then transitioned to an AI-generated voice imitating her. The actress's representatives stated that Johansson was not associated with the app in any capacity. Her attorney is pursuing legal action to address the situation. As AI technology continues to advance, cases of unauthorized use of celebrity voices and likenesses are expected to increase, raising questions about the boundaries of AI in media and advertising. #ScarlettJohansson#AI#VoiceCloning#LegalAction

🐟 Fish OpenAudio S1 Mini ● Синтез речи и клонирование голоса ● RU+EN ● Portable by Nerual Dreming Ссылка на оригинальный релиз:https://huggingface.co/spaces/fishaudio/openaudio-s1-mini Репакер:#NerualDreming Дата обновления: 15 июня 2025 Версия: 1.0 Категории:#TTS, #voicecloning, #AIaudio Платформа:#Windows Язык: RU, EN Место на диске: 11 ГБ Системные требования: NVIDIA GPU с не менее 6 ГБ VRAM Совместимость:#Nvidia 🖥Описание софта: OpenAudio S1 Mini — это значительный шаг вперед по сравнению с ее предшественницей, Fish Speech 1.5. Главное преимущество модели — превосходная выразительность и естественность звучания, которые достигаются за счет совершенного управления эмоциональными оттенками с помощью специальных маркеров. Будучи «дистиллированной» версией более крупной модели, она предлагает передовые возможности в значительно более легком и ресурсоэффективном пакете, что делает ее доступной для широкого круга пользователей. 😬 Основные возможности OpenAudio S1 Mini: 🟣 Превосходная выразительность: Управляйте эмоциями и тоном с помощью более 50 маркеров. 🟣 Высокое качество звука: Благодаря обучению с подкреплением на основе отзывов человека (RLHF), модель генерирует более естественное и приятное звучание. 🟣 Клонирование голоса: Возможность клонировать любой голос по короткому аудиофрагменту (10-30 секунд). 🟣 Встроенная библиотека голосов: Пак из более чем 50 готовых русскоязычных и англоязычных голосов. 🟣 Оптимизация для русского языка: Настройки по умолчанию адаптированы для качественного синтеза русской речи. 🟣 Эффективность: Легковесная модель (0.5 млрд параметров) потребляет меньше ресурсов, чем ее предшественники. 🟣 Высокие позиции в бенчмарках TTS-Arena. 💡 Как использовать маркеры эмоций: Для управления интонацией просто добавьте нужный маркер в скобках в ту часть текста, где должна измениться эмоция. Модель поймет эту команду и сгенерирует речь с соответствующим оттенком. Эмоциональные маркеры: (angry) (sad) (disdainful) (excited) (surprised) (satisfied) (unhappy) (anxious) (hysterical) (delighted) (scared) (worried) (indifferent) (upset) (impatient) (nervous) (guilty) (scornful) (frustrated) (depressed) (panicked) (furious) (empathetic) (embarrassed) (reluctant) (disgusted) (keen) (moved) (proud) (relaxed) (grateful) (confident) (interested) (curious) (confused) (joyful) (disapproving) (negative) (denying) (astonished) (serious) (sarcastic) (conciliative) (comforting) (sincere) (sneering) (hesitating) (yielding) (painful) (awkward) (amused) Тональные маркеры: (in a hurry tone) (shouting) (screaming) (whispering) (soft tone) Специальные маркеры: (laughing) (chuckling) (sobbing) (crying loudly) (sighing) (panting) (groaning) (crowd laughing) (background laughter) (audience laughing) ⚠️По моему мнению для русского языка не подходит! Коверкает ударения, но попробуйте на других языках. Модель поддерживает: English (en), Chinese (zh), Japanese (ja), German (de), French (fr), Spanish (es), Korean (ko), Arabic (ar), Russian (ru), Dutch (nl), Italian (it), Polish (pl), Portuguese (pt) 💿Установка и запуск: ⁍ Скачайте полный 7z-архив с моделями и окружением. ⁍ Распакуйте архив в удобное место с помощью 7-Zip. ⁍ Для запуска русской версии запустите файл run_ru.bat. ⁍ Для запуска английской версии запустите файл run_en.bat. ⁍ Интерфейс приложения автоматически откроется в вашем браузере. ➡️ Скачать архиватор 7z ➡️Скачать OpenAudio S1 Mini Portable — полный архив 7z с окружением и моделью 💬Обсудить в чате | ⭐️Поддержать канал 👾НЕЙРО-СОФТ — Делаем нейросети доступнее.

🆕 Qwen3-TTS Portable PRO ● Ультимативный синтез и клонирование голоса ● RU ● v2.0.0 ● Portable by nerual dreming Ссылка на оригинальный GitHub:https://github.com/timoncool/Qwen3-TTS_portable_rus Репакер:#nerual_dreming Версия: 2.0.0 PRO Категории:#TTS, #voicecloning, #AIaudio Платформа:#Windows Язык: RU Место на диске: 20 ГБ (все модели) Совместимость:#Nvidia#cpu 🖥Описание софта Qwen3-TTS — это революционная серия моделей синтеза речи от команды Alibaba Qwen, построенная на базе универсальной End-to-End архитектуры. В отличие от традиционных систем, модель использует дискретный многоканальный лексикон (12.5 Гц, 16 слоев) и технологию Flow Matching, что полностью исключает эффект «роботизированности» и каскадные ошибки генерации. Главная фишка Qwen3-TTS — глубокое понимание контекста и семантики: нейросеть адаптивно управляет тоном, эмоциями и ритмом речи на основе ваших инструкций. Система поддерживает экстремально низкую задержку потоковой передачи (до 97 мс) и демонстрирует SOTA-результаты в Zero-Shot клонировании голоса, обходя ElevenLabs и MiniMax по показателям сходства спикеров на 10 языках, включая русский. 😬Основные возможности Qwen3-TTS: 🟣 Синтез по пресетам: Огромный выбор готовых настроек с опциональным выбором стиля речи. 🟣 Клонирование голоса: В комплекте уже идёт полсотни (50+) готовых голосов, а еще более 700 голосов можно скачать прямо в интерфейсе раздела клонирования. 🟣 Multi-Speaker режим: Создание полноценных диалогов и подкастов с поддержкой до 4 спикеров одновременно. 🟣 Voice Design: Уникальная фишка — создание уникального голоса через текстовый промпт. Просто опишите характер голоса, и нейросеть его воспроизведёт. 🟣 Выбор весов: 6 различных моделей весом от 1.8 до 3 ГБ каждая для гибкой настройки под ваше железо. 💿Установка и запуск ⁍ Распакуйте архив в корень диска (путь без кириллицы). ⁍ Перейдите в папку Qwen3-TTS_portable_rus\portable. ⁍ Запустите install.bat для автоматической настройки окружения, если скачали установщик. ⁍ Используйте run.bat если скачали env. ⁍ Модели будут скачаны при первом использовании. ➡️Скачать Qwen3-TTS Portable PRO v2.0.0 installer — установщик, сам все скачает ➡️Скачать Qwen3-TTS Portable PRO v2.0.0 env — готовое окружение под win11 💬Обсудить в нашем чате 👾НЕЙРО-СОФТ - делаем нейросети доступнее

🎙 VoxCPM2 Portable ● Синтез и клонирование голоса + авто-обучение LoRA одним кликом ● RU ● by NerualDreming Ссылка на GitHub:https://github.com/timoncool/VoxCPM2_portable Автор:#NerualDreming Дата обновления: 19 апреля 2026 Версия: 1.0 Категории: #AIaudio, #TTS, #voicecloning, #LoRA Платформа:#Windows Язык: RU, EN Место на диске: 20 ГБ Системные требования: NVIDIA GPU 8+ ГБ VRAM, 16+ ГБ RAM Совместимость:#Nvidia#CPU 🖥Описание софта VoxCPM2 Portable — это портативная сборка open-source модели VoxCPM2 от OpenBMB (2 миллиарда параметров, 2 миллиона часов обучающей речи) с русскоязычной Gradio-студией. Делает три вещи: синтез речи на 30 языках с автоопределением, Voice Design (новый голос из текстового описания без референса) и клонирование голоса по короткому референсу. Выход — студийные 48 kHz через AudioVAE V2 super-resolution. Есть live-стриминг — аудио начинает играть во время генерации, не надо ждать окончания синтеза. И вот что главное — это очень мощная система для клонирования голоса, работает быстро, качество отличное. Как киллер-фича — можно обучить LoRA на любом голосе. Я решил развить эту идею и сделал автоматический пайплайн для подготовки датасета. Всё что вам надо — закинуть видео или аудио, а дальше умный пайплайн сам нарежет его на голосовые клипы, скачает ASR-модель, сделает транскрипцию и подготовит клипы для обучения LoRA. Вам буквально надо нажать одну кнопку, чуть подождать — и вот лучшее из open-source качество синтеза голоса уже у вас. 😬Основные возможности VoxCPM2 Portable: 🟣 Синтез речи на 30 языках с автоопределением, 48 kHz студийное качество через AudioVAE V2 🟣 Voice Design — создание голосов из текстового описания (пол, возраст, эмоция, акцент), zero-shot 🟣 Voice Cloning — клонирование по 5-50 секундам референса, с опциональным Ultimate-режимом 🟣 Живое стриминг-воспроизведение: аудио начинает играть во время генерации, не надо ждать 🟣 Пак из 100+ готовых голосов + 743 русских голоса по запросу из Slait/russia_voices 🟣 Контроль стиля: «чуть быстрее, бодрым тоном», «шёпотом, интимно», «медленно и драматично» 🟣 Форматы вывода MP3 / WAV / FLAC / OGG 🟣 Авто-обучение LoRA из видео: ffmpeg → Parakeet TDT 0.6B v3 INT8 (NVIDIA NeMo, 25 европейских языков) + Silero VAD → нарезка по предложениям → авто-подбор параметров → запуск тренировки. Одна кнопка 🟣 Ручной режим тренировки LoRA для заранее подготовленных датасетов 🟣 Hot-swap LoRA — переключение между моделями без перезапуска приложения 🟣 ZipEnhancer денойзер для шумных референсов 🟣 Все параметры модели в UI: CFG, Inference Steps, Min/Max длина, Retry, Seed 🟣 Flash Attention 2 из коробки (RTX 40xx / 50xx), xformers, Triton, bfloat16 🟣 i18n RU/EN с переключением в шапке, тёмная тема, FFmpeg в комплекте 💿Установка и запуск ⁍ Скачайте архив с установщиком или клонируйте репозиторий ⁍ Запустите install.bat — выберите поколение вашей видеокарты ⁍ Установщик сам скачает Python 3.12, PyTorch, voxcpm, Flash Attention 2, FFmpeg ⁍ Запустите run.bat — приложение откроется в браузере ⁍ Модели подтянутся при первом запуске (VoxCPM2 ~4-5 ГБ; Parakeet ASR ~670 МБ — лениво при первом клике на авто-подготовку) ⁍ Используйте update.bat для обновлений ⭐️Поставить звезду на GitHub — вам не сложно, а другим будет проще найти проект ➡️Скачать Portable установщик — скачает всё что нужно ➡️Скачать Portable env win11 rtx4090 — окружение под Win 11 и RTX 4090 ➡️Установка в 1 клик через Pinokio — сначала нужно скачать сам установщик Pinokio 💬Обсудить в нашем чате 👾НЕЙРО-СОФТ - делаем нейросети доступнее

🎶 ACE-Step Studio ● Suno у вас дома — песни, вокал, каверы, клипы ● RU ● by NerualDreming Ссылка на GitHub: https://github.com/timoncool/ACE-Step-Studio Автор:#NerualDreming Дата обновления: 14 апреля 2026 Версия: 2.0 Категории:#AIaudio, #musicgen, #voicecloning, #video Платформа:#Windows Язык: RU, EN, CN, JP, KR Место на диске: 25–60 ГБ Системные требования: NVIDIA GPU 12+ ГБ VRAM, 16+ ГБ RAM Совместимость:#Nvidia#CPU 🖥Описание софта Друзья, это самый масштабный проект с открытым кодом, который я когда-либо делал! ACE-Step Studio — это полноценная локальная AI-студия для создания музыки. Песни с вокалом, каверы, ремиксы, музыкальные клипы — 100% локально, без облака, без подписок, без интернета. Suno у вас дома — и это не шутка. В основе — модель ACE-Step 1.5 XL на 4 миллиарда параметров. Но я не просто запаковал её в портативку — я форкнул и переработал целую студию в стиле суно: фронтенд на React, бэкенд на Express + Python, видеоредактор, систему каверов, генератор клипов. 😬Основные возможности ACE-Step Studio: 🟣 Песни с вокалом до 8 минут — любой язык, любой жанр 🟣 3 XL модели — Turbo (быстро), SFT (макс. качество), BF16 (компактная, 7.5 ГБ) 🟣 AI-генерация текстов и стиля через встроенную LLM 🟣 Каверы — превращайте любой трек в новый стиль, сохраняя мелодию 🟣 Repaint — перегенерируйте отдельные участки песни 🟣 Видео Студия — генератор клипов с 10 пресетами, караоке-субтитры, 12 эффектов (глитч, VHS, CCTV и др.), форматы для YouTube/TikTok/Instagram 🟣 Разделение дорожек — вокал, ударные, бас, остальное (Demucs) 🟣 Аудио-редактор — обрезка, фейды, эффекты прямо в студии 🟣 Поддержка LoRA, пакетная генерация, 10 сэмплеров, ID3-теги 🟣 Мерджер моделей, BF16-конвертер, Bake LoRA 🟣 5 языков, доступ по LAN, мониторинг GPU, тёмная/светлая тема 💿Установка и запуск ⁍ Скачайте архив с установщиком или клонируйте репозиторий ⁍ Запустите install.bat — сам скачает Python, PyTorch, Node.js ⁍ Запустите run.bat — студия откроется в браузере ⁍ Модели подтянутся при первом запуске ⁍ Используйте update.bat для получения обновлений ⭐️Поставить звезду на GitHub — вам не сложно, а другим будет проще найти проект ➡️Скачать Portable установщик — скачает всё что нужно ➡️Скачать Portable env win11 rtx4090 — окружение под Win 11 и RTX 4090 💬Обсудить в нашем чате 👾НЕЙРО-СОФТ - делаем нейросети доступнее

#developer#вакансия#удаленка#работа#ML#deepfake#аватар#цифровойдвойник#datascience#ComputerVision#TTS#Text-To-Speech #VoiceCloning#AutomaticSpeechRecognition Вакансия: Senior Machine Learning/Deep Learning Engineer – Speech Компания : AI CLONE Вилка: 5-10 к $ Описание: Мы ищем талантливого Senior ML/DL Engineer с опытом работы в задачах обработки речи (Text-To-Speech, Voice Cloning/Conversion, Automatic Speech Recognition), готового участвовать в создании лучшего цифрового двойника с клоном голоса и дубляжем видео на любом языке. Обязанности: - Реализовывать идеи по улучшению Text-to-Speech и других задач - Экспериментировать, получать понятные и воспроизводимые результаты, достоверно подтверждать гипотезы - Упаковывать решения в сервис - Оптимизировать и поддерживать модели машинного обучения в продакшене Требования: - Знание базовых алгоритмов и структур данных - Понимание современных архитектур и подходов в ML/DL - Практический опыт в Audio/Speech: TTS, Voice Cloning/Conversion и прочее - Навыки реализации, тренировки и отладки моделей на PyTorch - Умение работать в команде над большим техническим проектом (GitHub, Docker, etc.) - Умение быстро изучать новые технологии и решать сложные задачи Будет плюсом - Наличие ML проектов и/или реализация статей на гитхабе - Понимание последних исследований речевых конференций (ICASSP, InterSpeech и т. д.) - Наличие публикаций на топовых ML конференциях Присылайте ваше CV в телеграм @Nadezhda120288 , либо почту [email protected]

#developer#вакансия#удаленка#работа#ML#deepfake#аватар#цифровойдвойник#datascience#ComputerVision#TTS#TextToSpeech#VoiceCloning#AutomaticSpeechRecognition 📍Вакансия: Senior ML/DL Speech Engineer Компания : AI CLONE Вилка: 5000-8000 $ 📌Локация: любая ✏️AIClone- это передовые технологии, помогающие создавать цифрового двойника и озвучивать видео на разных языках. Описание: Мы ищем талантливого Senior ML/DL Engineer с опытом работы в задачах обработки речи (Text-To-Speech, Voice Cloning/Conversion) в AI Clone – IT стартап в области ML. Это уникальный искусственный интеллект, позволяющий автоматически озвучивать и переводить видео на английский язык (китайский, хинди и многие другие) с любого языка мира, сохраняя индивидуальный голос, тембр, мимику. Теперь каждый может говорить как носитель языка. Задачи, которые будут в работе: - Обучать и улучшать state-of-the-art модели для речевых задач; - Экспериментировать, получать понятные и воспроизводимые результаты, достоверно подтверждать гипотезы - Упаковывать решения в сервис - Оптимизировать и поддерживать модели машинного обучения в продакшене; искать точки роста в продукте и технологиях Пожелания к опыту: - уверенный Python-разработчик со знанием алгоритмов; - Понимание современных архитектур и подходов в ML/DL - Практический опыт в Audio/Speech (TTS, Voice Cloning/Conversion и прочее) от 3-х лет - Опыт с распределенным обучением больших моделей (Multi-GPU, Mixed Precision); - Опыт работы с диффузионными моделями; - Умение работать в команде над большим техническим проектом (GitHub, Docker, etc.) - Умение быстро изучать новые технологии и решать сложные задачи, для которых нет готового решения. Будет плюсом - Наличие ML проектов и/или реализация статей на гитхабе - Опыт работы с Transformer-based подходами, особенно для TTS (VALL-E, InstructTTS); - Наличие публикаций на топовых ML конференциях Приятные бонусы: - Полностью удаленный формат работы, в любом часовом поясе, из любой точки мира; - Возможность быть у истоков быстрорастущей, международной IT компании; - Любой удобный формат трудоустройства; - Комфортные условия работы, не токсичная команда; - Применение лучших практик и современный стек технологий, получение опыта в передовых направлениях ML и CV. - Выплаты в криптовалюте (по желанию). Присылайте ваше CV в телеграм @Nadezhda120288

#developer#вакансия#удаленка#работа#ML#deepfake#аватар#цифровойдвойник#datascience#ComputerVision#TTS#Text-To-Speech #VoiceCloning#AutomaticSpeechRecognition#RnD#Researcher ✅Вакансия: RnD Engineer / Researcher (TTS) Компания : AI CLONE Формат работы: удаленно Работа : временно (2 недели), с последующей пролонгацией по результатам работы 💰Вилка : $2-3k за 2 недели Локация: любая ✏️Обязанности: - Реализовывать идеи по улучшению Text-to-Speech и других задач; - Экспериментировать, получать понятные и воспроизводимые результаты, достоверно подтверждать гипотезы. ✏️Требования: - Знание базовых алгоритмов и структур данных; - Понимание современных архитектур и подходов в ML/DL; - Практический опыт в Audio/Speech: TTS, Voice Cloning/Conversion и прочее; - Навыки реализации, тренировки и отладки моделей на PyTorch; - Умение работать в команде над большим техническим проектом (GitHub, Docker, etc.); - Умение быстро изучать новые технологии и решать сложные задачи. ✏️Что мы предлагаем: - Полностью удаленный формат работы, в любом часовом поясе, из любой точки мира; - Возможность выплат в криптовалюте; - Возможность быть у истоков быстрорастущей, перспективной IT компании; - Любой удобный формат трудоустройства; - Комфортные условия работы, не токсичная команда; - Применение лучших практик и современный стек технологий, получение опыта в передовых направлениях ML и CV. 📲 Присылайте ваше CV в телеграм @Nadezhda120288 , либо почту [email protected]

Всем привет! Добро пожаловать в 👾 Нейро-Софт! Для навигации по каналу используйте карту тегов ⤵️: #txt2img - Нейросети для генерации изображений по текстовому описанию. #img2img - Нейросети для изменения или стилизации изображений на основе других изображений. #txt2video - Нейросети для генерации видео по текстовому описанию. #img2video - Нейросети для создания видео на основе изображений. #deepfake - Нейросети для создания дипфейков и замены лиц в видео. #music - Нейросети для генерации музыки. #voicecloning - Нейросети для клонирования голоса. #tts - Нейросети для синтеза речи из текста. #stt - Нейросети для распознавания речи и перевода её в текст. #txt2txt - Нейросети для генерации текста, анализа текста и перевода. #multimodal - Нейросети, комбинирующие текст с изображениями или видео. #style - Нейросети для стилизации и переноса стиля. #creative - Инструменты для создания визуальных эффектов и художественного творчества. #stablediffusion - Нейросети для генерации изображений на базе модели Stable Diffusion. #controlnet - Нейросети использующие принципы или модели ControlNet, например Instant ID. #fooocus - Репаки и форки Fooocus. #forge - Репаки и форки Forge. #a1111 - Репаки и форки Automatic 1111. #llm - Большие языковые модели для генерации и анализа текста. 💬Обсудить в чате | ⭐️Поддержать канал 👾НЕЙРО-СОФТ — Делаем нейросети доступнее.