expressive-speech

MoVE 提出一种 Mixture-of-LoRA-Experts 架构，在仅 30 分钟精选数据下即可在语音到语音翻译中保留 76% 的非语言发声（笑声、哭泣）。

Dramabox 是 Resemble AI 开发的一个富有表现力的文本转语音模型，通过提示驱动控制来实现说话人身份、情感和表达方式，并可选地使用 10 秒参考音频进行声音克隆。该模型基于 LTX-2.3 音频扩散变换器构建，已在 Hugging Face 上开源。