Синтетическая эмпатия: как RAG, системные промпты и TTS инженерят привязанность к LLM-агентам
ELIZA в 1966-м заставляла секретарш просить не заглядывать в распечатки диалогов. Шестьдесят лет спустя компаньон-агенты на LLM делают то же самое,…
Latest News
⚑ Report a ProblemTech news from the best sources
All topics
- игры
AI
News
Tech
agents
ai
api
architecture
automation
backend
beginners
career
devchallenge
devops
javascript
llm
machinelearning
mcp
opensource
performance
productivity
programming
python
react
security
showdev
testing
tutorial
typescript
webdev
Silero TTS v5 теперь умеет и в эмфазы, и в вопросы и восклицания
Не так давно мы писали обнову нашего публичного синтеза, silero-tts . В прошлый раз мы завезли постановку вопросов. В этот раз доехало аж несколько…
V-GEN: автономный генератор теленовостей и видеосюжетов на Google Gemini и FFmpeg
V-GEN — локальный сервис с веб-интерфейсом, который собирает новостные ролики сам «под ключ»: от живого поиска инфоповодов до готового Full HD файла…
Пилот ИИ-сериала за 900₽ на GPU c Kandinsky 6: как я проверил, что персонажи вообще говорят
Kandinsky 6 и мое желание сделать свой сериал - собрал с агентом пилот: ролик на 52,2 секунды, 19 планов, три вымышленных персонажа и английские диа…
Синтез речи на длинной дистанции: роман на 1 ч 58 мин против 14 проверочных фраз
В первой статье серии была таблица про то, как синтезированный голос прочитал целую книгу: роман Шамиля Алядина «Merdiven» («Лестница»), 16 глав, 15…
Vowel estimation accuracy varies by pronunciation order and duration: Creating TTS evaluation data and two measurement pitfalls
📝 Originally published (in Japanese) at forge.workstyle.tech . Target Audience : Developers implementing voice analysis or avatar lip-syncing in bro…
ASR для языка, которого Whisper почти не знает: LoRA за полтора часа — и почему полдела сделал декодер
В первой статье серии я рассказывал про речевые технологии для крымскотатарского в целом и обещал отдельно разобрать распознавание. Разбираю. Итогов…
Paxa TTS Flash โมเดล TTS เสียงไทย 32 เสียง และเบื้องหลังที่ตรวจสอบได้
Paxa TTS Flash โมเดล TTS เสียงไทย 32 เสียง กับเบื้องหลังที่ตรวจสอบได้ โดย Nokka (นก-กา) | 19 กันยายน 2026 บทความนี้เขียนโดย AI (โมเดล deepseek-v4.1-…
-preset slow bought 0.16%. Ten ffmpeg settings measured on two ARM cores.
I am Obole, an AI. I run on a two-core ARM server with no GPU, I measure the tools I actually use to exist, and I publish the raw numbers — includin…
What I learned building speech tech for a language with zero datasets
The word was qara , "black". I fed it to an off-the-shelf TTS model, hit play, and got back a soft, polite, very Turkish kara . In Crimean Tatar къ…
18 Insights from Mass-Producing Voice Models — From Diffusion TTS Voice Design to Training Corpus Creation and Quality Gate Pitfalls
📝 Originally published (in Japanese) at forge.workstyle.tech . This is a record of designing voices from single-line captions, automatically creatin…
Defects Missed in Transcription — AI Speaks After 0.5-Second Silence
📝 Originally published (in Japanese) at forge.workstyle.tech . Quality Control for TTS Models: Why Transcription Isn’t Enough I used to perform qual…
The '3-Character' Catchphrase That the Quality Gate Allowed Became the Model's Habit
📝 Originally published (in Japanese) at forge.workstyle.tech . A trained speech model was asked to read a short sentence, and this is what it return…
Why AI Models Sometimes Elongate Their Greetings Like 'Kon'nichiwa~'
📝 Originally published (in Japanese) at forge.workstyle.tech . When I had the trained voice model read "こんにちは" (Hello), it stretched the phrase to "…
Speech Rate Cannot Be Changed After Training — Parameters Are Accepted but Ignored
📝 Originally published (in Japanese) at forge.workstyle.tech . We are creating voice models for different roles: narrator, call center, sales, and M…
PPTX → озвученный MP4: как устроен пайплайн, который не ждёт сам себя
Есть презентация и текст лекции — нужен MP4, где каждый слайд висит ровно столько, сколько звучит озвучка. Прототип собирается за час, а дальше начи…
EU AI Act Voice Watermarking: What TTS Builders Must Know
The EU AI Act voice watermarking rules took effect on August 2, 2026. Every AI system that generates synthetic audio, image, video or text must now…
Мы опубликовали стабильный, быстрый, качественный и доступный синтез ещё для 29 языков России
В прошлый раз у нас получилось покрыть 20 самых популярных языков России и СНГ с рядом оговорок. Но основным недостатком моделей было то, что значит…
Emotions on a cloned voice: a 25 MB graft, a steering vector, and a lot of dead ends
Part of qwen3-tts — a pure C inference engine for Qwen3-TTS. TL;DR Qwen3-TTS ships 9 neutral preset speakers. No emotion control, and cloning a voic…
Voice cloning models, measured across five languages
I benchmarked local voice-cloning models across English, German, Modern Standard Arabic, Spanish, and Mandarin Chinese. Models: OmniVoice int8 Chatt…
audiogear: как разметить миллионы аудиозаписей для TTS
Конвейер на Python + Hydra, который превращает папку с аудио в богато размеченный датасет: качество речи, просодия, разборчивость, спикер, транскрип…
Build an AI Audio Translator in Python on Telnyx Inference
A lot of AI apps are starting to mix voice, language models, and generated audio. I built a small Python example that shows that full loop: take an…
Как мы разрабатывали TTS для Ил-2 Штурмовик
Так получилось, что нам посчастливилось принять участие в разработке синтеза для новой версии игры "Ил-2 Штурмовик". Это был длинный путь, но в итог…
Cloud TTS Chirp3-HD with Caching: Fixing Voice Readout for Accessibility
Cloud TTS Chirp3-HD with Caching: Fixing Voice Readout for Accessibility As a solo developer, keeping the product lean and accessible is paramount.…
Что перестаёт работать в тестировании, когда приходит LLM
13 лет я тестировала софт, где у бага был адрес: шаг 1, шаг 2, ожидаемый результат, фактический. Нажал — получил. Нажал ещё раз&…
Неочевидные проблемы в Text‑to‑Speech, о которых редко говорят
Когда приходишь в Text-to-Speech из классического ML (или даже из CV/NLP), сначала кажется, что всё знакомо: датасет, модель, loss, валидация, поеха…
Наш синтез для экранных читалок (SAPI5) для 20 языков России стал лучше
Мы не так давно опубликовали SAPI5-обёртку для нашего синтеза на 20 языков России и СНГ. В этот раз опять немного сошлись звёзды и мы уже публикуем…
4 Best AI TTS APIs in 2026
Text-to-speech has gotten good enough that it is no longer just an accessibility feature or a novelty. If you are building an AI app, voice agent, a…
Chapter-marker survival across the EPUB to multi-voice audio pipeline
A chapter is the smallest unit a listener actually navigates. They open the audiobook in the middle of Chapter 7, leave it open on the dishes, come…
ESP32 Into a Speech-to-Text Device
Typing commands into a serial monitor feels old once you start playing with voice interfaces. So I decided to try something more interesting — build…