V posledních dnech jsem letos otestoval dvě vysoce profilované open source TTS, což lze říci jako docela zklamání. Který je konkrétní, rozumí každý, kdo tomu rozumí, takže ho nebudu jmenovat. Jeden neumí ani správnou výslovnost, halucinace, druhý je mnohem silnější, alespoň se dá použít, ale množství trénování dat zjevně nestačí, podobnost klonovaného témbru nestačí a přirozenost řeči je mnohem horší. Jsem velmi zvědavý, zda je verze open-source modelu verzí marketingového videa prodejce. Nicméně stále více chápu, co všichni říkají, že "open source je obchodní model", a my jsme takové věci na Xiaohongshu nazývali "podvody s fotografiemi". Tyto podvody si získaly pozornost výrobců modelů a bloggeři na self-media také přeposílali a zesilovali, ale na konci rozbalování všichni zjistili, že zboží vůbec není tou správnou verzí. Koneckonců, pokud se podíváte na příliš mnoho fotografií, každý už nebude fotografiím věřit. Doufám, že bude více skutečných open source a méně podvodů s falešnými fotografiemi.