Это вторая часть обзора моделей для задачи синтеза речи (Text-to-Speech). В прошлой части я сравнил 7 Open Source моделей для этой задачи по нескольким критериям. В этот раз я решил посмотреть не только на Open Source-модели, но и на проприетарные TTS-решения.
| # | Наименование новости | Тональность | Информативность | Дата публикации |
|---|---|---|---|---|
| 1 | Обзор Open Source моделей для задачи TTS | 0 | 7.62 | 05-02-2026 |
| 2 | Можно ли заменить диктора open‑source TTS‑моделью: тестируем OmniVoice на русском языке | 0 | 9.09 | 08-05-2026 |
| 3 | Пишем свой voice-to-text на Python: 4 бэкенда и батч-обработка голосовых | 0 | 21.77 | 13-02-2026 |
| 4 | Персональный аудиогид по картинам: от запроса до аудио (LLM + TTS) | 0 | 8.16 | 04-02-2026 |
| 5 | Метрики для задач NLP. Часть 2. Генерация текста: BLEU, ROUGE, METEOR, BERTScore | 0 | 8.31 | 23-02-2026 |
| 6 | Использование машинного обучения в работе с SolidWorks (2 часть): тестирование и практическое применение | 0 | 9.67 | 18-05-2026 |
| 7 | Как я снизил WER с 33% до 3.3% для русской речи на CPU: сравнение GigaAM, Whisper и Vosk | 0 | 12.82 | 23-02-2026 |
| 8 | audiogear: как разметить миллионы аудиозаписей для TTS | 0 | 7.86 | 05-07-2026 |
| 9 | Using Bag-of-Words | 0 | 8.59 | 02-05-2026 |
| 10 | olmOCR-2 vs PaddleOCR-VL: Which Extracts PDF Tables Better? | 0 | 15.21 | 11-06-2026 |