Учим потоковый TTS говорить по-русски: разбор VoXtream, подготовка данных, MFA, и ошибки, которые встретились по дороге

[n0isy]

Здорово! А можно мультиязычность (ну хотя бы ru+en, чтобы ITшную речь можно было диктовать)?

[monkey_llm]

Да, но не скоро)

[Brakanier]

Автору спасибо! Пойду тестить.

с задержкой до первого пакета аудио ~100 мс на обычной GPU

На какой GPU замерялось?

А то обычная GPU часто оказывается h100)

[monkey_llm]

3090