Tortoise TTS

Tortoise TTS é um modelo de texto para fala que foca em produzir fala expressiva e de alta qualidade, com fortes capacidades de clonagem de voz. Ele usa uma combinação de modelos autorregressivos e de difusão para gerar fala que imita de perto uma voz alvo a partir de alguns segundos de áudio. As principais características incluem geração de múltiplas vozes, controle refinado sobre atributos de fala como velocidade e tom, e suporte a vários idiomas. Os usuários-alvo são desenvolvedores e entusiastas que precisam de TTS realista para aplicações como audiolivros, assistentes de voz e dublagem. Sua força única reside na capacidade de produzir clones de voz altamente consistentes com o mínimo de dados de entrada.