Um olhar detalhado sobre o Phonon TTS: fala de alta qualidade no dispositivo que lidera os benchmarks
Artigo do blogue da Hugging Face sobre o Phonon TTS, apresentado no título como fala de alta qualidade executada no dispositivo que lidera os benchmarks.
O que diz o artigo
O Phonon, da Gradium, é um pequeno modelo de síntese de voz com pesos abertos que funciona totalmente no dispositivo, sem servidor nem rede. Dois tamanhos (cerca de 65 e 75 MB) cobrem inglês, francês, alemão, espanhol e português, com mais de 100 vozes integradas, além de clonagem e criação de vozes no Gradium Studio. O Phonon 31m (inglês) é Apache 2.0; os outros são CC BY-NC. Foi baixado mais de 200 000 vezes em duas semanas, lidera a inteligibilidade em alemão e espanhol no Open TTS Leaderboard do Hugging Face e é o mais rápido no teste de streaming em CPU até ao primeiro áudio (28 ms). Corre em telemóveis, portáteis, navegadores e NPUs com o framework ptts e está no Transformers desde a v5.21.
Ler o artigo oficial Ficha AnnuIA
Resumo escrito pela AnnuIA com suas próprias palavras, com base na página oficial de Hugging Face. O conteúdo e os direitos pertencem ao editor: consulte o artigo original.
Mais anúncios de Hugging Face
- Novos modelos abertos NVIDIA Cosmos 3 para simulação interativa de mundos
- Dharma Field Extractor: qualquer documento de entrada, campos estruturados em JSON na saída
- Transformers Model Integration Contracts
- StateBench: testando como os modelos de linguagem acompanham mudanças de estado em documentos longos