Lokala Text-to-speech modeller för Svensk tal

Hallåj,

Jag är på jakt efter lokala Text-to-Speech-lösningar som kan generera bra röster på svenska, och gärna även möjligheter att träna egna modeller eller klona röster. För närvarande använder jag ElevenLabs för att skapa rätt hyfsade röster online, men jag skulle föredra något som kan köras lokalt för mer flexibilitet och kontroll.

Jag har testat att klona röster med Alltalk TTS, där 30-sekunders röstklipp fungerar snabbt och smidigt för flera språk som engelska och kinesiska, men tyvärr får jag inte samma resultat när jag försöker arbeta med svenska.

Har någon tips på lokala TTS-modeller som fungerar bra för nordiska språk, eller känner till verktyg som kan hantera röstkloning för svenska röster? All input och erfarenheter kring detta vore väldigt uppskattat!