Una mirada a fondo a Phonon TTS: voz de alta calidad en el dispositivo que lidera los benchmarks
Artículo del blog de Hugging Face sobre Phonon TTS, presentado en su título como voz de alta calidad ejecutada en el dispositivo que lidera los benchmarks.
Qué dice el artículo
Phonon, de Gradium, es un pequeño modelo de síntesis de voz de pesos abiertos que funciona por completo en el dispositivo, sin servidor ni red. Dos tamaños (unos 65 y 75 MB) cubren inglés, francés, alemán, español y portugués, con más de 100 voces integradas y clonación y diseño de voces en Gradium Studio. Phonon 31m (inglés) es Apache 2.0; los demás, CC BY-NC. Se descargó más de 200 000 veces en dos semanas, es primero en inteligibilidad en alemán y español en el Open TTS Leaderboard de Hugging Face y lidera el benchmark de streaming en CPU por tiempo hasta el primer audio (28 ms). Funciona en móviles, portátiles, navegadores y NPU con el framework ptts, y está en Transformers desde la v5.21.
Leer el artículo oficial Ficha AnnuIA
Resumen redactado por AnnuIA con sus propias palabras a partir de la página oficial de Hugging Face. El contenido y los derechos pertenecen al editor: consulte el artículo original.
Más anuncios de Hugging Face
- Nuevos modelos abiertos NVIDIA Cosmos 3 para la simulación interactiva de mundos
- Dharma Field Extractor: cualquier documento de entrada, campos estructurados en JSON de salida
- Transformers Model Integration Contracts
- StateBench: probando cómo los modelos de lenguaje siguen los cambios de estado en documentos largos