MetaVoice-1B - modelo Text-To-Speech de 1,2 bilhão de parâmetros

• Modelo TTS (texto para fala) de 1,2 bilhão de parâmetros, treinado com 100 mil horas de áudio
• Ritmo e entonação de fala emocionais (em inglês)
• Suporta clonagem de voz por meio de ajuste fino (no caso de falantes indianos, obteve sucesso com apenas cerca de 1 minuto de dados de voz)
• Para vozes dos EUA/Reino Unido, é possível fazer clonagem Zero-Shot com apenas 30 segundos de áudio de referência
• Suporta síntese de fala longa
• Pode ser usado sem restrições sob a licença Apache 2.0