Resemble AI: голос как инфраструктура — Нейросреда | 7Post


Документация Resemble описывает три основных режима синтеза: обычный synchronous, HTTP streaming и WebSocket streaming. Последний ориентирован на разговорных агентов и realtime media.

Это очень важное разделение.

Если нам нужно озвучить десятиминутный текст, можно спокойно дождаться готового файла.

Если голосовой ассистент должен ответить пользователю во время разговора, ждать окончания генерации нельзя.

Поэтому режим доставки аудио становится частью качества голоса.

Resemble Ultra

Актуальная документация указывает, что новые и обновлённые голоса используют Resemble Ultra по умолчанию. При запросе передаётся voice_uuid, а API автоматически применяет соответствующую версию модели.

Для редакционного теста это означает простое правило:

фиксируем voice UUID.

Иначе через некоторое время можно получить уже другой результат и ошибочно решить, что модель изменила качество.

Клонирование

Resemble заявляет возможность создания voice clone из аудио длительностью от 10 секунд до 3 минут. Документация указывает Business plan или выше.

Производитель также указывает время создания менее минуты.

Для демонстрации это впечатляет.

Но наша редакционная методика намеренно не ограничивается демонстрацией.

Клон нужно проверять на:

Главное — сравнивать одинаковое