Синтез речи

ESpeech-TTS

Русский синтез речи с клонированием голоса на архитектуре F5-TTS, обучен на собранных авторами наборах русской речи. Ударения расставляются автоматически. Несколько вариантов, в том числе «подкастер».

Разработчик: ESpeech (независимая группа русскоязычных разработчиков), Россия
Первый выпуск: авг 2025
Последний выпуск: авг 2025
Размеры: около 340M
Лицензия: Коммерция с условиямиApache 2.0 по карточке на HF; модель построена на архитектуре F5-TTS, официальные веса которой некоммерческие, — перед коммерческим запуском проверьте с юристом
Русский язык: Есть
Запуск: Через свой серверНужна видеокарта
Сферы: Медиа и продакшн, Поддержка клиентов, Образование

Поставить на свой сервер Hugging Face

Какие задачи решает

Озвучка роликов и аудиокниг на русском
Клонирование голоса диктора по образцу
Голос для бота или ассистента на русском

Где применяется

Медиа и контентГолосовые ботыОбразование

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии

подходит

1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии

нет версий

КластерСервер с несколькими видеокартами — флагманские версии

нет версий

Версии

авг 2025ESpeech-TTS-1 (SFT-95K, SFT-256K, RL-V1, RL-V2, podcaster)

Как внедряю у заказчика

ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.

Какие задачи решает

Где применяется

Требования к железу

Версии

Как внедряю у заказчика

Похожие модели