Лёгкая англоязычная модель VITS для локального синтеза речи с выбором из 20 голосов и управлением эмоцией и её интенсивностью.

Подходит для: озвучивание английского текста несколькими голосами · создание эмоциональных реплик для игр и интерактивных историй · синтез речи с заданной эмоцией и её интенсивностью