Lure-TTS и Lure-Turbo: быстрые модели синтеза речи на 600M параметров с клонированием голоса и управлением через теги

Автор представил две модели синтеза речи Lure-TTS и Lure-Turbo, созданные на базе Qwen3-TTS с использованием RLVR и многоучительского дистилляционного обучения. Модели объемом 600M параметров поддерживают клонирование голоса, управление интонацией и эмоциями через теги, а также работают в 4 раза быстрее реального времени при стоимости обучения менее 200 долларов.