MetaVoice-1B - modelo Text-To-Speech de 1.2 mil millones de parámetros

• Modelo TTS (texto a voz) de 1.2 mil millones de parámetros, entrenado con 100 mil horas de audio
• Ritmo y entonación de habla emocional (inglés)
• Soporta clonación de voz mediante ajuste fino (en el caso de hablantes de India, tuvo éxito con solo alrededor de 1 minuto de datos de voz)
• Para voces de EE. UU./Reino Unido, permite clonación Zero-Shot con solo 30 segundos de audio de referencia
• Soporta síntesis de voz larga
• Se puede usar sin restricciones bajo licencia Apache 2.0