Un'analisi approfondita di Phonon TTS: Lancio di una voce di alta qualità sul dispositivo che domina i benchmark
huggingface ·
Gradium ha rilasciato Phonon, un modello di sintesi vocale da testo ad alta qualità progettato per funzionare interamente su dispositivi locali senza richiedere connettività internet o server cloud. I modelli sono disponibili in due dimensioni ridotte, circa 65 MB e 75 MB, e supportano le lingue inglese, francese, tedesco, spagnolo e portoghese con oltre 100 voci integrate. Phonon utilizza tecniche di abbinamento del flusso derivate dalla linea di sviluppo di Pocket TTS per ottenere una qualità audio superiore nonostante il suo ingombro ridotto. Nelle sue prime due settimane, il progetto ha raccolto grande attenzione, registrando oltre 200.000 download e diventando virale su Hugging Face. Nella classifica Open TTS di Hugging Face, Phonon si è classificata al primo posto per l'intelligibilità in tedesco e spagnolo, mentre ha superato i benchmark di streaming su CPU per quanto riguarda la velocità. Il rilascio include una versione con licenza Apache 2.0 per uso commerciale e varianti non commerciali, insieme a un nuovo framework di inferenza chiamato ptts che supporta vari backend hardware come CPU, GPU e NPU. Gli sviluppatori possono integrare Phonon nelle applicazioni utilizzando la libreria Transformers o implementazioni personalizzate, consentendo funzionalità come il clonaggio della voce e il funzionamento offline.
huggingface