Ebben a videóban egy új, nyílt forráskódú, helyben futtatható beszédtechnológiai eszközt tesztelnek, amely elérhető a GitHubon. A szolgáltatás széles funkcionalitást kínál: beszédfeldolgozás, hang klónozása, hangtervezés, videó szinkronizálás, diktálás, átiratozás, sőt akár hangoskönyv-készítés is lehetséges vele.
Különféle beszédszintetizáló modellek közül lehet választani – például Studio TTS vagy Vox CPM 2 –, amelyek különböző nyelvi képességekkel és hangminőséggel rendelkeznek. A felhasználók beállíthatják és kipróbálhatják ezeket a modelleket saját számítógépükön, akár GPU gyorsítással is.
Az eszköz támogatja a helyi API-hívásokat, így akár automatizált ügynökökhöz is kapcsolható. Emellett részletesen bemutatásra kerülnek a telepítési lépések, például a Docker-konténer indítása és a szükséges modellek letöltése, illetve az alapvető funkciók kipróbálása.
Felmerülnek fontos kérdések a modellek minőségéről, a jogi feltételekről, és arról, mennyire egyszerű az összetettebb modelleket telepíteni vagy éppen egy saját audiotartalmat létrehozni. Vizsgálat tárgya az is, hogy mennyire képes felvenni a versenyt hasonló, de népszerűbb felhőalapú szolgáltatásokkal, valamint mik a fő előnyei és hátrányai a helyi futtatásnak.
