원제: Oomni/mithi-v1-flash
Oomni가 공개한 소형 텍스트 음성 변환(TTS) 모델로, 11개 언어를 지원합니다: 힌디어, 영어, 벵골어, 구자라트어, 칸나다어, 말라얄람어, 마라티어, 오디아어, 펀자브어, 타밀어, 텔루구어; Satvik(남성) 및 Charvi(여성)의 두 가지 음색을 제공합니다. 모델은 99.1M 파라미터, 197 MB 크기를 가지며, 24 kHz 모노 채널로 출력됩니다. Kokoro-82M, Maya2-native 및 indic-bert 등 오픈소스 컴포넌트를 기반으로 구축되었습니다. 저자에 따르면 서버 CPU(AMD EPYC 9554)에서 약 7초 분량의 음성 문장은 단일 스레드에서 약 8초, 4개 스레드에서 약 3초 만에 생성됩니다.
왜 중요한가 200MB 미만의 용량으로 GPU 없이도 사용 가능하며, Apache 라이선스의 가중치를 통해 상업적 사용이 가능하여 인도어 음성 애플리케이션을 위한 경량 출발점을 제공합니다
상승 점수 60 · 좋아요 64 · 다운로드 수 436
이유
- GPU가 있으면 GPU를 사용하고, 없어도 CPU에서 실행할 수 있으며, 저자는 노트북, 라즈베리 파이, 스마트폰에서도 실행 가능하다고 주장합니다
- 텍스트 정규화기가 포함되어 있어 숫자, 시간, 통화는 자동으로 문자로 변환되며, 긴 텍스트는 문장 단위로 자동 낭독됩니다
- 가중치는 Apache-2.0 라이선스로 상업적 사용이 가능합니다
사용법
- hf download Oomni/mithi-v1-flash --local-dir mithi-v1-flash 명령어를 실행한 후, 해당 디렉터리로 이동하여 pip install -r requirements.txt를 실행하고 spaCy 영어 모델을 다운로드합니다
- python inference.py --lang hi --voice charvi --text "…" --out hindi.wav; CPU에서 실행할 경우 --device cpu --threads 4 옵션을 추가합니다
리스크
- 저자는 아직 공개된 평가가 없으며, 자동 지표나 인간 청취 평가 점수가 없다고 주장합니다
- 억양과 감정이 평탄한 편이며, 칸나다어, 말라얄람어, 마라티어, 오디아어는 발화 속도가 빠른 편이고, 생소한 이름이나 외래어는 잘못 발음될 수 있습니다
- 중국어를 지원하지 않으며, 본 항목은 실행되지 않았으므로 효과는 모델 카드와 예제 오디오를 기준으로 합니다