Синтез речи

StyleTTS 2

Лёгкая модель синтеза английской речи с естественной интонацией. На её основе построены многие другие модели, например Kokoro.

Последняя открытая версия вышла в ноя 2023. Семейство давно не обновлялось: это не значит, что модель не работает, но свежих исправлений и новых размеров ждать не стоит.

Разработчик: Колумбийский университет, США
Первый выпуск: ноя 2023
Последний выпуск: ноя 2023
Размеры: около 150M
Лицензия: Коммерция с условиямиКод MIT; у готовых весов условие — сообщать слушателям, что голос синтезирован
Русский язык: Нет
Запуск: Через свой серверРаботает и без видеокарты
Сферы: Медиа и продакшн, Разработка ПО, Образование

Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

Озвучка текстов на английском
Основа для дообучения своего голоса
Прототипы голосовых сервисов

Где применяется

Разработка продуктовОбразованиеМедиа

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

ноя 2023StyleTTS 2 (LJSpeech, LibriTTS)

Как запустить

На своём сервереВеса скачиваются с Hugging Face, запуск — через vLLM (нагрузка и API) или llama.cpp (скромное железо). Так модель работает в закрытом контуре, без оплаты за запросы.Hugging Face

Сколько нужно железаПосчитайте видеопамять под нужный размер модели, контекст и число одновременных запросов.Открыть калькулятор железа

Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам.

Частые вопросы

Можно ли использовать StyleTTS 2 в коммерческом проекте?

С условиями. Лицензия: Код MIT; у готовых весов условие — сообщать слушателям, что голос синтезирован. Ограничения бывают разными — регион, выручка компании, требование указывать авторство. Перед коммерческим запуском проверьте условия с юристом.

Какое железо нужно для StyleTTS 2?

Минимум: Ноутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии. Есть версии, которые работают и без видеокарты, на обычном процессоре. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.

Поддерживает ли StyleTTS 2 русский язык?

Нет. В документации разработчика языки перечислены, русского среди них нет. Для русских задач лучше взять модель из подборки «Открытые ИИ-модели с русским языком».

Где скачать StyleTTS 2 и сколько это стоит?

Веса StyleTTS 2 лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.

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.