Вау, Inworld выпустил новую модель генерации речи (кстати, русский язык теперь есть) и с 1 дня вырвался в лидеры на арене Artificial Analysis. Обошел на английском и ElevenLabs, и OpenAI, и MiniMax. При стоимости гораздо ниже. Сделали лучшую артикуляцию, улучшенное клонирование голоса и более точную работу с многоязычной речью. Плюс на задержкой поработали (сервера поближе, веб-сокеты, оптимизацию кода), добавили тайм-стемпы, чтобы в нужный момент произносились сгенерированные слова, сделали клонирование голоса через API и кастомное произношение (например, имени или названия компании) Подробности: https://inworld.ai/blog/tts-custom-pronunciation-timestamps-websockets