Mach-Boom

Mach Boom là phiên bản nén của mô hình tổng hợp giọng nói tiếng Anh Phonon 31m của Gradium xuống còn 3.5 bit mỗi trọng số, với dung lượng tệp mô hình là 18.2 MB. Tác giả đo được tốc độ khoảng 8.3–8.4 lần thời gian thực trên mỗi lõi và bộ nhớ đỉnh là 93 MB khi chạy trên máy ảo Xeon 4 lõi; độ trễ của đoạn âm thanh đầu tiên trong chế độ stream là 61–78 mili giây; trên bộ 250 câu tiếng Anh khó chứa đầy số, ngày tháng, số tiền và mã số, tác giả báo cáo tỷ lệ lỗi từ (WER) là 5.18%, thấp hơn mức 8.61% của phiên bản gốc fp32. Mô hình đi kèm 4 giọng nói, đồng thời cũng có thể sử dụng các tệp giọng nói từ phonon-voices.

Mach Boom là phiên bản nén của mô hình tổng hợp giọng nói tiếng Anh Phonon 31m của Gradium xuống còn 3.5 bit mỗi trọng số, với dung lượng tệp mô hình là 18.2 MB. Tác giả đo được tốc độ khoảng 8.3–8.4 lần thời gian thực trên mỗi lõi và bộ nhớ đỉnh là 93 MB khi chạy trên máy ảo Xeon 4 lõi; độ trễ của đoạn âm thanh đầu tiên trong chế độ stream là 61–78 mili giây; trên bộ 250 câu tiếng Anh khó chứa đầy số, ngày tháng, số tiền và mã số, tác giả báo cáo tỷ lệ lỗi từ (WER) là 5.18%, thấp hơn mức 8.61% của phiên bản gốc fp32. Mô hình đi kèm 4 giọng nói, đồng thời cũng có thể sử dụng các tệp giọng nói từ phonon-voices.

Tại sao quan trọng Kích thước nhỏ gọn, không cần card đồ họa, phù hợp để tích hợp vào các ứng dụng cục bộ hoặc thiết bị biên để đọc các loại văn bản khó đọc như ngày tháng, số tiền và mã số.

Hô hào 3 · Điểm tăng do hô hào 3 · Lượt tải do hô hào 0

Giấy phép: Được phép sử dụng thương mại · ComfyUI: Chưa có · VRAM: ≈1 GB (ước tính)

Lý do

  • Giấy phép Apache-2.0 cho phép sử dụng thương mại, phương pháp kiểm thử, mô hình chuyển ngữ và đối tượng so sánh đều được ghi rõ trong thẻ mô hình

Cách sử dụng

  • Sau khi chạy hf download SyzygyResearch/Mach-Boom, hãy cài đặt bằng lệnh pip install numpy tokenizers, rồi chạy python tts.py "văn bản" -o out.wav --voice Zoey; lần chạy đầu tiên sẽ biên dịch kernel cho CPU của máy cục bộ

Rủi ro

  • Chỉ hỗ trợ Linux x86-64 và tiếng Anh; yêu cầu gcc hoặc clang
  • Việc đánh giá do tác giả thực hiện, bộ câu khó được lấy từ chính bộ dữ liệu của Gradium

Mở

抱脸 text-to-speech 新模型

Xem tin AI mới nhất