Modellek · Hugging Face ·
A Phonon nyílt kiadása: eszközön futó beszédszintézis öt nyelven
Két hete megjelent a Phonon, a kis méretű szövegfelolvasó modell, amely szerver és hálózat nélkül, a saját eszközön fut.
A Phonon nyílt súlyú, kis méretű szövegfelolvasó modell, amely a saját eszközön fut, szerver és hálózat nélkül, a begépelt szöveg pedig a készüléken marad. A két méret körülbelül 65 MB, illetve 75 MB, és öt nyelven, angolul, franciául, németül, spanyolul és portugálul beszél, több mint 100 beépített hanggal.
A Phonon 31m angol nyelvű, Apache 2.0 licencű, ezért kereskedelmi termékben is ingyen használható. A Phonon 40m mind az öt nyelvet tudja, de csak nem kereskedelmi célra szóló, CC BY-NC licenccel érhető el. A többi modell szintén CC BY-NC licencű; kereskedelmi használat esetén az árazás a felhasználók számától függ, nem a generált beszéd mennyiségétől.
A Hugging Face Open TTS Leaderboard ranglistáján a Phonon német és spanyol nyelven az intelligibilitásban első, minden kiértékelt nyelven pedig a legjobb három közé került, úgy, hogy vele szemben akár százszor nagyobb modellek is versenyeztek. A CPU-s streaming tesztben első hang megszólalásáig tartó idő alapján a Phonon vezet. Két hét alatt több mint 200 000 letöltés történt.
Miért fontos neked?
Ha offline, hálózat nélkül működő alkalmazáson vagy adatvédelmi szempontból érzékeny szolgáltatáson dolgozol, a Phonon 31m angolra kereskedelmi célra is ingyen használható. A többi nyelvhez és modellhez az ingyenesség csak nem kereskedelmi projektekre vonatkozik.
Az eredeti megnyitása (Hugging Face)
Eredeti cím: A Closer Look at Phonon TTS. Launching High-Quality On-Device Speech That Tops the Benchmarks.
Címkék: beszédszintézis, nyílt modell, eszközön futó mi