Edge0 wydał Audio8-TTS-Realistic, drugi model w serii Audio8 TTS o rozmiarze 0,6 miliarda parametrów dedykowany do klonowania głosu na podstawie tekstu. Model potrafi wygenerować naturalnie brzmiącą mowę przez sklonowanie głosu z zaledwie jednego fragmentu referencyjnego i transkryptu, wspierając przy tym 23 języki włączając arabski, fiński, hindi, indonezyjski, malajski, norweski, portugalia, rosyjski, szwedzki, tajski, turecki i wietnamski.
Architek tura modelu opiera się na podwójnym mechanizmie autoregresywnym i obsługuje do 2048 pakowanych pozycji kontekstu tekstu i audio. Pod względem wydajności Audio8-TTS-Realistic osiąga średni błąd na poziomie 4,86 procent na teście CV3 w 9 językach, co stawia go przed większymi otwartymi modelami konkurencyjnymi jak Qwen3-TTS-1.7B z błędem 7,73 procent. Model wymaga karty NVIDIA CUDA do optymalnego działania, choć może być uruchamiany na procesorach Apple M2 ze wsparciem INT4 ONNX zużywając około 1,1-1,2 GiB pamięci. Wraz z modelem dostarczone są wagi, kod, procesor, tokenizer i 44,1 kHz kodek audio neuronowy na licencji Apache 2.0.
Wydanie Audio8-TTS-Realistic jest znaczące dla deweloperów ze względu na połączenie kompetentności wielojęzycznej z małym rozmiarem modelu, co pozwala na tanie fine-tuning i obsługę na serwerach. Choć model wykazuje słabsze wyniki na niektórych językach takich jak tajski (48,57 procent WER) czy kantoński (31,35 procent CER), ogólnie otwiera możliwości zastosowania zaawansowanej syntezy mowy dla aplikacji wymagających niskich zasobów obliczeniowych.