Производная модели 9r4n4y/LongCat-AudioDiT-3.5B-tts-text-to-speech-SOTA. Диффузионная модель Meituan для синтеза речи по тексту и zero-shot клонирования голоса по аудиообразцу.

Подходит для: озвучивание текста естественной речью · клонирование голоса по короткому аудиообразцу · создание озвучки с сохранением манеры речи говорящего