Подтверждаю, на слабом железе только квантование спасает, но модель тогда режет точность. По поводу флешек — взял на пробу промышленную SD от Swissbit, пока нареканий нет, но цена кусается.

Мимика по голосу работает через спектральный анализ формант и подсознательных артикуляционных сдвигов. Например, когда человек хмурится, голосовые связки автоматически напрягаются по-другому, даже если он пытается говорить ровно. Но тут главная проблема — ложные срабатывания. Если синт натренирован на одного диктора, а ему скормили голос другого с похожими привычками, начнётся бред. Плюс такие модели жрут ресурсы как сумасшедшие, если гонять в реальном времени. Кто-нибудь пробовал на слабом железе? Думаю, лаги будут эпичные.

А флешки — да, износ это еще цветы. Главное, что дешевые контроллеры начинают глючить после пары лет, даже если ячейки живые. Внезапные подвисания при чтении — мое любимое. Лучше уже SD с промышленным контроллером, но и там свои грабли.

Про дыхание это понятно, а вот мимика голосом это как? Насчет флешек, слышал что для долговременного хранения лучше SSD.

Фоны это важная деталь, многие синтезаторы борются с эхом комнаты и паразитными шумами. А с флешками помимо холода есть риск перегрева при активной сессии