Phonon TTS पर करीबी नज़र: बेंचमार्क में शीर्ष पर रहने वाली उच्च-गुणवत्ता की ऑन-डिवाइस आवाज़

लेख में क्या कहा गया है

Gradium का Phonon एक छोटा ओपन-वेट टेक्स्ट-टू-स्पीच मॉडल है जो पूरी तरह डिवाइस पर चलता है, बिना सर्वर या नेटवर्क के। दो आकार (लगभग 65 और 75 MB) अंग्रेज़ी, फ़्रेंच, जर्मन, स्पेनिश और पुर्तगाली को सपोर्ट करते हैं, 100 से अधिक बिल्ट-इन आवाज़ों के साथ Gradium Studio में वॉइस क्लोनिंग और डिज़ाइन भी है। Phonon 31m (अंग्रेज़ी) Apache 2.0 में है, बाकी CC BY-NC में। दो हफ़्तों में इसे 2 लाख से अधिक बार डाउनलोड किया गया; Hugging Face के Open TTS Leaderboard पर जर्मन और स्पेनिश की स्पष्टता में यह पहले स्थान पर है और CPU स्ट्रीमिंग में पहली आवाज़ के समय (28 ms) में भी अव्वल है। यह ptts फ्रेमवर्क से फ़ोन, लैपटॉप, ब्राउज़र और NPU पर चलता है और Transformers v5.21 से उपलब्ध है।

आधिकारिक लेख पढ़ें AnnuIA प्रोफ़ाइल

यह सारांश AnnuIA ने Hugging Face के आधिकारिक पृष्ठ के आधार पर अपने शब्दों में लिखा है। सामग्री और अधिकार प्रकाशक के हैं: कृपया मूल लेख पढ़ें।

सभी समाचार