MetaVoice-1B – Text-to-Speech-Modell mit 1,2 Milliarden Parametern

• TTS-Modell (Text-to-Speech) mit 1,2 Milliarden Parametern, trainiert mit 100.000 Stunden Sprachdaten
• Emotionaler Sprechrhythmus und Tonfall (Englisch)
• Unterstützt Voice Cloning durch Fine-Tuning (bei indischen Sprechern war es bereits mit nur etwa 1 Minute Sprachdaten erfolgreich)
• Für US-/UK-Stimmen ist Zero-Shot-Cloning bereits mit nur 30 Sekunden Referenz-Audio möglich
• Unterstützt lange Sprachsynthese
• Ohne Einschränkungen unter der Apache-2.0-Lizenz nutzbar