Mach Boom은 Gradium의 Phonon 31m 영어 음성 합성 모델을 가중치당 3.5비트로 압축한 버전으로, 모델 파일 크기는 18.2 MB입니다. 저자는 4코어 Xeon 가상 머신에서 단일 코어 기준 약 8.3–8.4배의 실시간 속도, 피크 메모리 93 MB, 스트리밍 첫 오디오 세그먼트 지연 시간 61–78 밀리초를 측정했습니다. 숫자, 날짜, 금액, 번호가 포함된 250개의 어려운 영어 문장 테스트셋에서 저자는 단어 오류율(WER)이 5.18%로, 원본 fp32의 8.61%보다 낮다고 보고했습니다. 기본 제공되는 음성은 4개이며, phonon-voices의 음성 파일도 사용할 수 있습니다.
왜 중요한가 작은 크기와 GPU 불필요 특성으로 인해 로컬 애플리케이션이나 엣지 디바이스에 내장하여 날짜, 금액, 번호 등 읽기 어려운 텍스트를 음성으로 변환하는 데 적합합니다.
좋아요 3 · 상승 점수 3 · 다운로드 수 0
라이선스: 상업적 사용 가능 · ComfyUI: 없음 · VRAM: 약 1 GB 추정
이유
- Apache-2.0 라이선스로 상업적 사용이 가능하며, 테스트 방법, 전사 모델 및 비교 대상이 모델 카드에 명시되어 있습니다.
사용법
- hf download SyzygyResearch/Mach-Boom 실행 후 pip install numpy tokenizers를 설치하고, python tts.py "텍스트" -o out.wav --voice Zoey를 실행합니다. 첫 실행 시 로컬 CPU를 위한 커널이 컴파일됩니다.
리스크
- Linux x86-64 및 영어만 지원하며, gcc 또는 clang이 필요합니다.
- 평가는 저자가 수행했으며, 어려운 문장 테스트셋은 Gradium 자체 데이터셋에서 가져왔습니다.