Клонируем голос за ТРИ СЕКУНДЫ — вышла LuxTTS, лёгкая модель для синтеза речи, которая умеет копировать чужой голос по короткому аудиофайлу. Тулза делает голосовые дипфейки доступными буквально каждому. Работает всё просто: даёте нейросети несколько секунд записи человека, а дальше она может читать любой текст тем же голосом. Причём звучит это довольно реалистично: качество до 48 кГц, как у нормальной записи. Самое безумное — скорость. Модель генерирует речь в 150 раз быстрее реального времени. То есть минутный текст она может озвучить за доли секунды. При этом нейросеть очень лёгкая: ей нужно меньше 1 ГБ видеопамяти, поэтому её можно запускать даже на обычном ПК или ноутбуке локально. Забираем — здесь.