Phonon, cihaz üzerinde çalışan yüksek kaliteli metinden sese modelini yayınladı
Gradium, cihaz üzerinde çalışan ve sunucu gerektirmeyen Phonon metinden sese modelini yayınladı. 65 MB ile 75 MB boyutlarındaki modeller, beş dili destekleyerek çevrimdışı ses üretimi sağlıyor. Açık kaynak ağırlıkları, ticari kullanım için Apache 2.0 lisansı sunuyor ve Hugging Face liderlik tablosunda üst sıralarda yer alıyor.
Bu yazıda
Ne değişti?
Phonon, 65 MB ve 75 MB boyutlarındaki modelleriyle beş dili çevrimdışı destekler ve 100'den fazla yerleşik ses içerir.
Model, Hugging Face Open TTS Liderlik Tablosu'nda Almanca ve İspanyolca anlaşılmazlıkta birinci sırada yer aldı.
Neden önemli?
Phonon, metinden sese teknolojisinin sunucu bağımlılığını ortadan kaldırarak veri gizliliğini ve çevrimdışı erişimi güçlendiriyor. Küçük model boyutu, akıllı telefonlar ve tek kartlı bilgisayarlar gibi sınırlı donanımlarda yüksek performanslı ses üretimi imkânı tanıyor.
Geliştirici için ne anlama geliyor?
Geliştiriciler, 65 MB ile 75 MB boyutundaki modelleri sunucusuz ve çevrimdışı çalıştırabilir. Apache 2.0 lisanslı 31m sürümü ticari projelerde ücretsiz kullanılabilir. ptts çerçevesi CPU, GPU ve NPU dahil 10'dan fazla arka ucu destekleyerek geniş cihaz yelpazesinde düşük gecikme sağlar.
Henüz neyi bilmiyoruz?
- 40m model yalnızca ticari olmayan projeler için CC BY-NC lisansıyla sunulmaktadır.
- Korece, Arapça ve Japonca dilleri için özel eğitim gerektiren ayrı modeller talep edilmelidir.
Haberin kaynakları
Birincil kaynakA Closer Look at Phonon TTS. Launching High-Quality On-Device Speech That Tops the Benchmarks.huggingface.coYayın tarihleri
- blue'og yayını
- Kaynak yayını
Bu yazı, bağlantılı kaynaklar okunarak yapay zekâ ile hazırlandı. Kaynaktaki bulguların yanı sıra kullanım alanları ve açıklanmayan noktalar da yer alır. Görsel ve videoların kaynakları üzerlerinde belirtilir; hakları sahiplerine aittir. En güncel ayrıntılar için kaynakları inceleyebilirsiniz.
