Inflect Mini v3 : une petite synthèse vocale anglaise fonctionnant sur CPU

Synthèse vocale anglaise v3 téléchargée par Owen Song le 10 11, la fiche du modèle indique un cœur de 34.31 M paramètres (poids FP32 de 138.4 Mo), sortie native de 24 kHz, avec un amplificateur optionnel de 2.85 M paramètres produisant 48 kHz. Six timbres intégrés : cassidy, mark, hope, james, sophia et jasper ; prise en charge de 8 types d'étiquettes d'événements sonores tels que [laugh], [sigh] et [gasp] ; Voice Tuner permet de créer un profil de timbre réutilisable à partir d'enregistrements autorisés de 5 à 15 secondes. Le dépôt est un package d'inférence complet, sous licence Apache-2.0.

Titre original : owensong/Inflect-Mini-v3

Synthèse vocale anglaise v3 téléchargée par Owen Song le 10 11, la fiche du modèle indique un cœur de 34.31 M paramètres (poids FP32 de 138.4 Mo), sortie native de 24 kHz, avec un amplificateur optionnel de 2.85 M paramètres produisant 48 kHz. Six timbres intégrés : cassidy, mark, hope, james, sophia et jasper ; prise en charge de 8 types d'étiquettes d'événements sonores tels que [laugh], [sigh] et [gasp] ; Voice Tuner permet de créer un profil de timbre réutilisable à partir d'enregistrements autorisés de 5 à 15 secondes. Le dépôt est un package d'inférence complet, sous licence Apache-2.0.

Pourquoi c'est important Taille réduite, licence Apache permettant l'usage commercial, génération locale possible sur CPU, idéale pour la narration, les instructions d'utilisation et la lecture hors ligne

Score de progression 42 · J'aime 42 · Téléchargements 590

Raisons

  • Évaluations effectuées par l'auteur : taux d'erreur de mot moyen de 0.739% pour les six timbres (1,688 segments de texte par timbre), UTMOS22Strong 4.479 ; l'auteur précise qu'il ne s'agit pas d'une soumission officielle au classement et que les chiffres ne sont pas directement comparables à ceux de classements comme Kokoro
  • L'auteur indique qu'une RTX 5090 atteint environ 162 fois le temps réel via la voie CUDA optimisée, tandis qu'un Ryzen 9 3900X atteint environ 1.81 fois le temps réel avec 2 threads
  • La série comprend également Micro v3 de 11.79 M et Atom v3 de 157.19 K ; GitHub fournit également un kit d'entraînement pour adapter Mini à d'autres langues

Utilisation

  • Nouvel environnement Python 3.12 : utilisez hf download owensong/Inflect-Mini-v3 pour télécharger tout le dépôt, exécutez verify_release.py pour la vérification, installez core/requirements-cpu.txt, puis lancez python run.py speech --voice cassidy --text "..." --output out.wav
  • Événements sonores : installez d'abord les dépendances de extras/events, puis exécutez python run.py events --voice cassidy --text "... [laugh] ..." (disponible uniquement sur CPU, à 24 kHz) ; pour 48 kHz, utilisez --profile enhanced
  • GPU : créez un environnement séparé, installez core/requirements-cuda.txt, ajoutez --device cuda --runtime cuda-source ; l'écoute en ligne est disponible sur le Space owensong/Inflect-v3

Risques

  • Ne prend en charge que l'anglais ; les étiquettes d'événements ne modifient pas l'émotion des phrases environnantes, et il n'y a pas de contrôle de style tel que le chuchotement ou la colère
  • Voice Tuner ne prend en charge l'enregistrement que sur CPU Linux, la ressemblance dépend de l'enregistrement, l'auteur ne garantit pas la reproduction exacte de la voix originale ; seuls les voix autorisées peuvent être utilisées
  • Le taux d'erreur de mot et les scores de qualité audio sont issus des évaluations de l'auteur, le corpus d'évaluation ayant été utilisé lors du développement ; l'amplificateur peut produire un léger bourdonnement sur certains supports. Cette entrée n'a pas été exécutée

Ouvrir

Hugging Face Trending

Parcourir les dernières actualités IA