Phonon TTS: синтез на реч на собственото устройство, който е на върха в тестовете
Hugging Face · четвъртък, 5 ноември, 02:00 · 1 мин четене
Нов модел за реч, който работи без сървър и без интернет, и е на първо място в германски и испански.
Gradium пусна Phonon, малък модел за синтез на реч, който работи направо на твоето устройство.
Моделът е в два размера, около 65 MB и 75 MB. Говори английски, френски, немски, испански и португалски. Има над 100 готови гласа, а свой глас можеш да създадеш в Gradium Studio. Phonon се справя и с телефонни номера, дати и кодове, които другите модели често объркват.
Работи на телефони, лаптопи, едноплатни компютри и в браузър. Версията Phonon 31m е само за английски и е с лиценз Apache 2.0, така че можеш да я ползваш свободно и в търговски продукти. Phonon 40m покрива и петте езика, но с лиценз за некомерсиално ползване.
При пускането имаше демота: кафе, приготвено стъпка по стъпка с изключен Wi-Fi на Apple Watch, и брояч на повторенията на тренировка на iPhone без сигнал. Phonon се появи и в браузърна игра, и в четене на книга на глас.
На Hugging Face Open TTS Leaderboard Phonon е на първо място по разбираемост на немски и испански и в топ три при всички оценени езици. Силен е и по скорост, като оглавява тестовете за време до първия звук при работа на процесор.
За модела има и нова библиотека ptts, която работи на над 10 вида хардуер. Phonon е добавен и в Transformers от версия 5.21.



