Copiar sua voz com um único clipe: o modelo minúsculo que fala português e roda quase em qualquer máquina
Peso leve, licença aberta e 23 idiomas na borda: o detalhe está em quanto ele erra nos idiomas mais difíceis.
A Edge0 lançou o Audio8-TTS-Realistic, um modelo de texto para fala com 601 milhões de parâmetros, distribuído com pesos e código sob licença Apache 2.0. Ele clona uma voz a partir de um único clipe de referência e sua transcrição, e também funciona sem voz de exemplo.
São 23 idiomas suportados, 12 a mais que a versão anterior, incluindo português, árabe, hindi, russo, tailandês e vietnamita. Nos testes, o modelo registrou erro médio de 4,86% em nove idiomas, contra 7,73% do Qwen3-TTS-1.7B, bem maior que ele, mas tropeça no tailandês, com 48,57% de erro de palavra, e no cantonês.