Addestroò un modello vocale di testo-sintesi personalizzato con Kokoro TTS

Cerchi una Text-to-Speech naturale, simile a una voce umana, anche in vietnamita reale? allenerò un modello Kokoro TTS personalizzato pronto per la produzione per il tuo progetto!

PERCHÉ KOKORO? Piper è leggero ma spesso suona robotico. Kokoro (82M di parametri) è espressivo e dall’accento umano, pur rimanendo compatto e veloce - fino a 100x in tempo reale sulla GPU, e totalmente CPU-friendly.

COSA RENDE DIVERSO QUESTO GIG

- G2P vietnamita personalizzato: benchmark di accuratezza di lettura 98,9% - numeri, simboli %, date e code-switching VI/EN letti in modo naturale

- Multi-voice fatto bene: 32 voci in UN modello da 82M - ogni nuova voce è un piccolo voicepack da 0,5 MB

- Porta di qualità ASR: ogni voce è testata WER (~6%) prima della consegna

COSA INVII: solo 10-15 minuti di audio per voce. Registrazioni raw vanno benissimo - mi occupo di taglio, pulizia, denoise e creazione del dataset.

COSA OTTIENI: modello Kokoro fine-tuned (.pth, PyTorch, CPU/GPU) + voicepack & configs + custom G2P (Premium) + script di inferenza Python pronto all’uso & documentazione.

PERFETTO PER assistenti smart-home, giocattoli per bambini & narratori, agenti di IA conversazionali, robot, audiolibri, narrazione YouTube e dialoghi NPC di giochi.

Contattami prima di ordinare - testerò prima il tuo campione audio!