Un regard approfondi sur Phonon TTS : une synthèse vocale locale de haute qualité en tête des benchmarks
Article du blog Hugging Face consacré à Phonon TTS, présenté dans son titre comme une synthèse vocale de haute qualité exécutée sur l’appareil et placée en tête des benchmarks.
Ce que dit l'article
Phonon, de Gradium, est un petit modèle de synthèse vocale à poids ouverts qui fonctionne entièrement sur l'appareil, sans serveur ni réseau. Deux tailles (environ 65 et 75 Mo) couvrent l'anglais, le français, l'allemand, l'espagnol et le portugais, avec plus de 100 voix intégrées, plus clonage et conception de voix dans Gradium Studio. Phonon 31m (anglais) est sous Apache 2.0, les autres en CC BY-NC. Téléchargé plus de 200 000 fois en deux semaines, il est premier en intelligibilité en allemand et en espagnol sur l'Open TTS Leaderboard de Hugging Face et domine le test de streaming CPU pour le délai avant le premier son (28 ms). Il tourne sur téléphones, ordinateurs, navigateurs et NPU via le framework ptts, et dans Transformers dès la v5.21.
Lire l'article officiel Fiche AnnuIA
Résumé rédigé par AnnuIA avec ses propres mots, d'après la page officielle de Hugging Face. Le contenu et les droits appartiennent à l'éditeur : consultez l'article d'origine.
Autres annonces de Hugging Face
- Nouveaux modèles ouverts NVIDIA Cosmos 3 pour la simulation interactive de mondes
- Dharma Field Extractor : un document en entrée, des champs structurés en JSON en sortie
- Transformers Model Integration Contracts
- StateBench : tester la façon dont les modèles de langage suivent les changements d’état dans de longs documents