Søgning
17 briefing-resultat(er) for »tts«
Scylla's Band v4: Open source TTS der også synger – kører på telefon
Modellen på 131M parametre understøtter seks sprog, synger fra JSON-partitur og leveres med runtime til iOS, Android og desktop. Apache 2.0.
AssemblyAI lancerer billig TTS-API til voice agents
AssemblyAI lancerer sin første TTS-model, AssemblyAI-TTS-1, til 15 dollar per million tegn. Den tilbyder ubegrænset samtidighed og henvender sig til voice …
CVE i llama.cpp: out-of-bounds-write i Pocket-TTS
Sårbarheden kræver lokal adgang og er rettet i b11796, men rodårsagen er kun detekteret og afbrudt – ikke forhindret ved design.
Opfølgning: Ming-3.0-TTS-0.5B med voice cloning og følelseskontrol
Ant Group-støttede InclusionAI udgav Ming-3.0-TTS-0.5B med voice cloning, stemmedesign og syv sprog. Se [briefingen 20. oktober](/archive/2026 …
HermesConsole: Open source voice-assistent med lav latenstid
VoiceManager er en streaming STT/TTS-server, der kører lokalt over én WebSocket. Den understøtter wake word, barge-in og værktøjskald. MIT-licens.
Opfølgning: Drama 3 kører på 16 GB Radeon via Red Curtain
Red Curtain lægger FP8-eksperter i RAM og kører 35B-MoE TTS på RX 9070 med 11-12 GB VRAM. [Tidligere briefing](/archive/2026 …
Fish Audio Drama 3: 35B-MoE TTS-model med høj kvalitet
Ny open-weight TTS-model fra Fish Audio, 35B med 3B aktive, kører på DGX Spark og i 4-bit kvantisering tæt på originalen.
Opfølgning: Google lancerer Gemini 3.8 TTS med 2.000 stemmer og stemme-kloning
De to nye tekst-til-tale-modeller tilbyder over 2.000 stemmer samt mulighed for at skabe en skræddersyet stemme fra blot 30 sekunders …
Voice Acting Arena: Sammenlign AI-stemmeskuespil
LAION og TTS Arena lancerer en crowdsource-platform, hvor brugere bedømmer anonyme AI-stemmeoptagelser på skuespil, følelser og instruktion. Målet er at kortlægge, hvilke …
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 …