gigachad

Всем привет! Мне нужно распознавать русскую речь из аудио вместе с тайм кодами и я использую для этого Whisper, но там почему то адекватно работает только medium модель и она ...

Рябят, подскажите пожалуйста, как можно убрать шумы и музыку с аудио, чтобы оставить только голос? Хочу вытащить голос из видео чтобы потом скопировать его

а как вообще происходит процесс обучения для vits, вот я хочу склонировать голос сидоровича, как будет выглядеть? то есть лучшим способом будет взять аудио файлы и на них с ну...

генерить нужно в пределах 4 секунд. Сейчас думаю попробовать использовать tortoise-tts, или есть что то лучше?