Почему перевод на живом звонке звучит чужим голосом, даже когда текст идеальный.

Большинство live-переводчиков берут STT + MT и отдают generic TTS. Собеседник слышит синтетику, тон и привычки голоса теряются, практика языка и переговоры становятся механическими.

Talkaside закрывает это voice cloning. Короткий референс (3–30 с чистого аудио) идёт в speaker encoder: извлекается embedding тембра. Затем acoustic model + vocoder (OpenVoice v2, ElevenLabs Flash v2.5 ~75 мс TTFB, Cartesia Sonic ~90 мс, или локальный Qwen3-TTS/OmniVoice) синтезируют перевод в твоём голосе. Cascaded pipeline ASR→MT→TTS держит end-to-end <800 мс на хорошем железе