Клонирование голоса
Клонирование голоса заставляет модель синтеза речи говорить голосом конкретного человека, часто по нескольким секундам записи.
Zero-shot клонирование не требует обучения: вы даёте модели короткий клип, например три секунды, и она подражает этому голосу на новом тексте. Некоторые модели предлагают и дизайн голоса, где вы описываете голос словами. Качество зависит от клипа, лучше всего работает чистое аудио одного говорящего.
Клонировать чужой голос без разрешения может быть противозаконно и открывает путь к мошенничеству, поэтому используйте только голоса, на которые у вас есть права. Некоторые проекты добавляют в вывод неслышимый водяной знак, а лицензии могут запрещать олицетворение или ограничивать модель некоммерческим использованием. Прочтите и то и другое, прежде чем строить продукт на клонировании.
Связанные термины
- Синтез речи (TTS) Модели синтеза речи превращают письменный текст в звучащую речь, и многие умеют копировать голос по короткому образцу.
- Некоммерческая лицензия Некоммерческая лицензия позволяет использовать модель для исследований, учёбы и личных проектов, но не для извлечения из неё прибыли.