Text-to-Speech (TTS)

La sintesi vocale: tecnologia che genera audio parlato a partire da testo. I sistemi locali come Piper sono basati su VITS/ONNX e corrono in tempo reale su CPU, senza GPU: ideali per pipeline di accesso al contenuto, comandi vocali e assistenti. Il trade-off da valutare è naturalità contro latenza e risorse occupate.