Tortoise TTS

Tortoise TTS é um modelo de texto para fala que foca na produção de fala de alta qualidade e expressiva com fortes capacidades de clonagem de voz. 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. Os principais recursos incluem geração multi-voz, controle refinado sobre atributos da fala como velocidade e tom, e suporte para vários idiomas. Os usuários-alvo são desenvolvedores e amadores 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 dados de entrada mínimos.