Подробнее о Phonon TTS: Запуск высококачественного синтеза речи на устройстве, лидирующего в бенчмарках
huggingface ·
Компания Gradium выпустила Phonon — высококачественную модель преобразования текста в речь, работающую полностью на локальных устройствах без необходимости подключения к интернету или использования облачных серверов. Модели доступны в двух компактных версиях объемом около 65 МБ и 75 МБ, поддерживают английский, французский, немецкий, испанский и португальский языки и включают более 100 встроенных голосов. Phonon использует методы согласования потока (flow matching), унаследованные от линейки Pocket TTS, что позволяет достигать превосходного качества звука при малом объеме модели. За первые две недели проект привлек значительное внимание: было зафиксировано более 200 000 загрузок, а также он вошел в число трендов Hugging Face. В рейтинге Hugging Face Open TTS Leaderboard Phonon занял первое место по разборчивости речи для немецкого и испанского языков, а также лидировал среди CPU-бенчмарков потоковой передачи по скорости. В релиз включена версия с лицензией Apache 2.0 для коммерческого использования, а также некоммерческие варианты, вместе с новой инфраструктурой вывода ptts, поддерживающей различные аппаратные бэкенды, такие как ЦП, ГП и НПУ. Разработчики могут интегрировать Phonon в приложения с помощью библиотеки Transformers или пользовательских реализаций, что открывает возможности для клонирования голоса и работы в автономном режиме.
huggingface