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…
Latest News
⚑ Report a ProblemTech news from the best sources
All topics
- игры
AI
Gear
News
Tech
agents
ai
api
architecture
automation
beginners
career
database
devops
javascript
llm
machinelearning
mcp
opensource
performance
productivity
programming
python
react
security
showdev
testing
tutorial
typescript
webdev
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…
Mumbli – my personal Wispr Flow
My text-to-speech journey started roughly a year ago, when I tried it again and was impressed by how much faster it was than typing. I'd been fascin…
ให้ AI พูดภาษาไทยได้ด้วย Garudust Agent + iApp TTS
ถ้าคุณใช้ Garudust Agent อยู่แล้ว การเพิ่มความสามารถให้ AI พูดภาษาไทยออกมาเป็นเสียง ทำได้ในไม่กี่ขั้นตอน — ไม่ต้องแก้โค้ดใด ๆ เพราะ Garudust มีระบบ…
Voice AI Outside the US: Double the Price, Worse Experience (And How We're Trying to Fix It)
Every major voice model lab hosts in us-east or us-west. If you're building voice agents in Sydney, Mumbai, or Jakarta, your audio round-trips to Vi…
How human feedback actually steers TTS fine-tuning
How human feedback actually steers TTS fine-tuning Notes on the iteration loop we ran while fine-tuning F5-TTS and StyleTTS2 on a small Northern Eng…
Running modern Python TTS toolchains on non-AVX2 CPUs
Running modern Python TTS toolchains on non-AVX2 CPUs Notes from getting F5-TTS, StyleTTS2, kokoro/Misaki, and whisper.cpp to work on an AMD Phenom…