Ребята из чатика распознавание и синтез речи подсказали интересный TTS https://www.cartesia.ai/.
Плюсы:
+ есть русский язык
+ работает без VPN
+ дают 10к знаков бесплатно
+ есть войсклон (на платном тарифе)
+ можно настраивать эмоции и скорость речи (спорно)
+ много голосов
Минусы
- не понял как управлять ударением
- не понял как управлять интонацией
- цифры и числа читает не правильно
P.S. Анимировал в https://www.hedra.com/. Похоже поломали сервис
#TTS

Немного гармонизации Вам в ленту:
Вышел IC-light v2. Теперь слушается промпта лучше, а главное не меняет лицо и это прям ВАУ.
В каких задачах успел попробовать, и рекомендую:
+ Реставрация фото
+ Создание карточек товара для маркетплейсов
+ Улучшение аватарки какого-то челика
Ручками приходилось допиливать, но это точно намного лучше чем с нуля.
Из не очень хорошего, разраб пока не готов делиться весами, значит доступ только через демку. Подробности тут https://github.com/lllyasviel/IC-Light/discussions/98
На фотках какой то начинающий стример и источник безусловных знаний а эру "до интернета".
#light

Закончим тему гармонизации пока этим.
INR-Harmon
Если забыл как крутить Hue/Saturation в фотошопе нужно адаптировать только цвет и контраст одной картинки относительно другой, без дополнительных генераций. Я крутил через демо. Готовых портативных сборок не нашел, да наверно и не нужно.
P.S. У этого же разраба есть еще свежее алгоритм https://github.com/WindVChen/Diff-Harmonization на диффузии. Но их картинки меня не впечатлили.
Раньше пользовался https://github.com/ZHKKKe/Harmonizer прямо в демо. По качеству сопоставимо.
#light

Псевдо 3d для видео
Оказывается у DepthFlow появились ноды для ComfyUI. Не смог пройти мимо и прикрутил в workflow карту глубины от DepthCrafter. Теперь можно делать псевдо 3д для видео. Выглядит скучновато, если не выкручивать настройки в максимум (последние 2 видео).
P.S. Как обычно, workflow приложу в комментах. Не забудьте обновить ноды в менеджере. Модель должна скачаться при первом запуске.
#3d #tutor