How to Install MetaVoice on Ubuntu 24.04

MetaVoice-1B ist ein grundlegendes TTS-Modell mit 1,2 Milliarden Parametern, das auf 100.000 Stunden Sprachmaterial trainiert wurde, um eine menschenähnliche und ausdrucksstarke Text-zu-Sprache-Synthese zu ermöglichen. Es priorisiert emotionalen Sprachrhythmus und Tonfall im Englischen und unterstützt Zero-Shot-Voice-Cloning für amerikanische und britische Stimmen mit nur 30 Sekunden Referenzaudio. MetaVoice unterstützt zudem sprachübergreifendes Voice-Cloning mittels Fine-Tuning, wofür nur 1 Minute Trainingsdaten erforderlich ist. Das Modell kann Texte beliebiger Länge synthetisieren und wird mit einer Docker-basierten Weboberfläche sowie einem API-Server bereitgestellt. Zu den Hauptmerkmalen gehören: emotionaler Sprachrhythmus und Tonfall, Zero-Shot-Cloning für US/UK-Stimmen, sprachübergreifendes Voice-Cloning mit Fine-Tuning, Textsynthese beliebiger Länge, Docker-Compose-Bereitstellung mit Weboberfläche sowie eine Apache 2.0-Lizenz für die uneingeschränkte Nutzung.