Søgning
8 briefing-resultat(er) for »tts«
Følelseskontrol til Qwen3-TTS via fine-tuning med emotion-tags
En udvikler har fine-tunet Qwen3-TTS med inline emotion-tags, så modellen kan styre tonefald direkte i transskriptionen. Resultatet er en TTS-model …
VoxGen: Rust-baseret TTS optimeret til AMD
Ny inferensmotor for VoxCPM2 bruger Vulkan compute. Ingen Python-afhængighed, men kun Windows binaries pt.
Open-source TTS-pipeline med Gemma4 og IndexTTS 2.5
En bruger har bygget en pipeline, der bruger Claude Code, Gemma4 til historie, IndexTTS 2.5 til stemmer og Whisper til kvalitetskontrol, med web …
Benchmark måler time-to-first-token på tværs af hele voice-stakken
Undersøgelsen dækker LLM, speech-to-text, text-to-speech og speech-to-speech. Voice-agents fejler på latency længe før de fejler på intelligens.
Skab TTS-stemme fra rigtige kyllingelyde
En bruger forsøger at skabe en TTS-stemme til genererede videoer af egne høns, baseret på deres faktiske “stemmemønstre”. Eksisterende voice match-apps kræver …
audio.cpp 0.6: 49 model-familier, native WebUI og MiniMax-H3
Den open-source lydramme understøtter nu MiniMax-H3 til tekst-til-audio og musikgenerering, inklusive voice cloning og multi-speaker-demoer. DiT-modeller kan …
Opfølgning: Lokal realtids-stack til stemmeinteraktion med Ollama
En bruger har sammensat Parakeet STT, Qwen 2.5 7B og Qwen3-TTS til lokal stemmestyring. Bygger videre på tidligere lokale AI-projekter. Se …
reCamera Pro kombinerer computer vision med LLM/VLM på enheden
Seeed Studios nye AI-kamera bruger Rockchip RV1126B med 3 TOPS NPU til on-device vision, men understøtter også LLM, VLM, STT og TTS …