Scenema Audio 公開：ト書きで感情を操る LTX 2.3 ベースの音声モデル
ScenemaAI が表現力豊かな音声生成モデル「Scenema Audio」をオープンソース公開しました。LTX 2.3 から抽出した拡散モデルを基盤に、指示タグで感情変化や環境音を制御でき、ゼロショット音声クローンにも対応。16GB の VRAM から動作可能です。
ScenemaAI
Scenema Audio公開：声質と感情を分離、ト書きで演技を指示できる音声クローン
Scenema AIが音声生成モデル「Scenema Audio」をオープンソース公開しました。動画モデルLTX 2.3から抽出され、声の特徴と感情表現を分離。短い音声参照からプロンプトのト書きだけで怒りや方言の変更、台詞の途中での感情変化を表現できます。量子化版は16GB以上のVRAMでローカル実行が可能です。