• Проєкти 30
  • Оцінка 5.0
  • Рейтинг 5 621

Бюджет: 27000 UAH Термін: 45 днів

Орієнтир по першому робочому MVP - 320 000 грн і близько 45 днів. В цю оцінку я б включив Windows-клієнт, вибір аудіопристроїв, завантаження зразка, потокову обробку через сервер з GPU, режими швидше - якісніше, збірку в один .exe і вимір фактичної затримки. Мета 400 мс реалістична тільки після тесту моделі, мережі та аудіодрайверів, тому можна почати з короткого інженерного прототипу.

ВАжливий момент - працюємо тільки з голосами, де є права на використання і згода власника. Для такого продукту я б додав обмеження сценаріїв, журналювання і зрозумілу маркування, тому що інакше ризик не технічний, а юридичний і репутаційний. Дивіться, тут нюанс - в голосі диявол сидить не в інтерфейсі, а в затримці і артефактах =)

> По реалізації
>> Windows-додаток для мікрофона, виходу і віртуального аудіокабелю
>> окремий GPU-сервіс для конвертації голосу в потоці
>> індикатори рівня, затримки і стану мережі
>> режими якості, тестові профілі і упаковка в .exe

Мобільна програма з адмінкою
  • Проєкти -
  • Оцінка -
  • Рейтинг 117

Бюджет: 3000 UAH Термін: 2 дні

Можу це зробити за 3к з допомогою вайбкодингу, я вже робив подібне. З вимог, щоб у вас була потужна відеокарта або гроші на хмарний ІІ.

  • Проєкти -
  • Оцінка -
  • Рейтинг 196

Бюджет: 27000 UAH Термін: 45 днів

у нас вже є практично готова архітектура під такий голосовий ІІ-продукт, її можна швидко адаптувати і запустити під Windows-клієнт, GPU-сервер і віртуальний аудіо-кабель
на зв'язку, можемо обговорити деталі тут на майданчику

оцінка першого робочого етапу - 260000 грн і близько 45 днів

МОжна не ускладнювати старт - я б йшов через технічний прототип з вимірюваною затримкою, а потім доводив якість голосу
мета 0.3-0.5 секунди досяжна тільки при акуратній потоковій обробці, налаштуванні буферів, моделі і мережі

- уточню 2 моменти
-- потрібен саме впізнаваний голос конкретної людини чи достатньо зміни тембру і манери мови

  • Проєкти 20
  • Оцінка -
  • Рейтинг 2 116

Бюджет: 26000 UAH Термін: 22 дні

ТЗ зрозумів: Windows-додаток, real-time voice conversion (мікрофон → цільовий голос → віртуальний аудіо-кабель), цільова затримка ≤400мс, серверна частина на GPU. Зразок цільового голосу — один файл 1-5 хвилин. .exe для розповсюдження, UI з вибором пристроїв, тренуванням моделі, індикаторами рівня та затримки.

Стек як бачу.

Голосова модель. Для real-time voice conversion з 400мс затримкою та якістю без артефактів найкращий у 2026 році варіант — RVC (Retrieval-based Voice Conversion) або його еволюція Seed-VC. RVC натренована на короткі зразки, підтримує real-time inference на GPU 12GB+. Альтернатива — F5-TTS або OpenVoice v2 від MyShell для voice cloning (але вони скоріше для batch generation, real-time з ними складніше тримати в 400мс). RVC inference на RTX 3060/4060 дає впевнені 200-300мс на chunk, що укладається в бюджет.

Архітектура. Тонкий Windows-клієнт (Python + Qt або C# WPF) ловить мікрофон через WASAPI/PyAudio, розбиває на chunks по 100-150мс, відправляє на GPU-сервер по WebSocket з low-latency опціями (ping-pong keepalive, no buffering). Сервер робить inference і повертає оброблений аудіо-chunk. Клієнт пише у віртуальний аудіо-кабель (VB-Audio Virtual Cable як стандарт для Windows). Latency бюджет: 30мс capture + 50мс network round-trip (якщо в тій же мережі) + 200мс GPU inference + 30мс playback = ~310мс. Якщо сервер віддалений (cloud GPU) — network round-trip може зрости до 80-150мс, плюс залежність від стабільності з'єднання.

UI. Tkinter або PyQt5 для Windows-клієнта (в мене production-досвід з PyQt5 якраз на цьому класі задач). Вибір пристроїв — через pyaudio.list_devices() з фільтром Input/Output. Завантаження sample-голосу, відправка на сервер, навчання моделі (training-step синхронний або фоновий). Кнопка Start/Stop. Індикатори — рівень мікрофона (RMS), latency реал-тайм (rolling avg за останні 50 chunks), статус з'єднання.

  • Проєкти 5
  • Оцінка 4.2
  • Рейтинг 690

Бюджет: 16000 UAH Термін: 14 днів

Привіт, пиши в лс
Думаю, впораюся, робив подібне, але потрібно більш детальне ТЗ. Розпишу, скільки піде токенів і т.д.

  • Проєкти 20
  • Оцінка 5.0
  • Рейтинг 9 264

Бюджет: 25000 UAH Термін: 6 днів

Вітаю. Рік тому вже робив схоже рішення під Windows у форматі .exe для real-time voice conversion. Є робочі напрацювання, зараз треба оновити пакети, адаптувати під ваші вимоги і протестувати зв’язку Windows-клієнт + GPU-сервер. Думаю, зможу швидко довести це до MVP.

  • Проєкти 15
  • Оцінка 5.0
  • Рейтинг 3 857

Бюджет: 27000 UAH Термін: 7 днів

Добрий день.
Я якраз зараз розбираюся з tts'ами картезією/інворд і локальними llm типу XTTS-v2 (Coqui).
То там не все так просто, як здається, tts це одне, а STT це інше, а єдине рішення не завжди прийнятний результат, то tts погана, то латенсі stt не підходить або саме якість розпізнавання не підходить, щоб досягти вашої мети 400мс потрібно погратися, ну в принципі я зараз цим і зайнятий намагаюся досягти латенсі хоча б 1 секунда.
Я сеньйор розробник, працюю з погодинною ставкою по цій задачі 30 євро/год.
Сказати, скільки часу займе саме ядро, важко сказати, може 10 годин, а може і 40 годин + обгортка для віндоуса.
Якщо Вам це підходить, моя ставка для Вас норм - велком. Завжди роблю все якісно.
Якщо спишемося, я зроблю більш точний розрахунок вартості такого проекту.

  • Проєкти -
  • Оцінка -
  • Рейтинг 258

Бюджет: 27000 UAH Термін: 50 днів

Є досвід розробки AI/audio рішень в реальному часі, включаючи роботу з конверсією голосу, потоковим аудіо, GPU-інференцією та обробкою звуку з низькою затримкою.

Розуміємо специфіку задачі з зміною голосу в реальному часі:
— захоплення та обробка аудіопотоків;
— клонування голосу за коротким зразком;
— мінімізація затримки;
— інтеграція з Discord / Zoom / OBS через віртуальні аудіопристрої;
— збірка десктопного застосунку під Windows у .exe.

Можемо реалізувати:

  • Проєкти -
  • Оцінка -
  • Рейтинг 556

Бюджет: 11111 UAH Термін: 30 днів

Привіт! Реалізую real-time voice conversion з низькою затримкою та зв'язкою клієнт (Windows) + сервер з GPU inference.

У мене є досвід з AI-інтеграціями та realtime-системами (WebRTC/стрімінг/обробка з низькою затримкою), тому можу реалізувати архітектуру під такий кейс.

Архітектура:

* Windows desktop клієнт (UI + аудіо потік)
* Віртуальний аудіо драйвер / loopback (VB-Cable або аналог)
* Backend сервер з GPU (inference моделі)
* Стрімінг через WebSocket / gRPC

  • Проєкти -
  • Оцінка -
  • Рейтинг 246

Бюджет: 2500 UAH Термін: 2 дні

доброго дня, готовий взятися за проект, досвід у створенні подібного був

Ставки приховані

У списку не показані ставки, приховані замовником чи фрилансером з Plus, а також ставки, що порушують правила

Актуальні фриланс-проєкти в категорії AI та машинне навчання

5 липня
5 липня
5 липня
4 липня
3 липня