Oossa

مدل گفتار Phonon گرادیوم آفلاین روی گوشی و لپ‌تاپ اجرا می‌شود

این مدل‌های گفتاری کوچک از پنج زبان و بیش از ۱۰۰ صدا پشتیبانی می‌کنند. گرادیوم می‌گوید در رتبه‌بندی تازه TTS در Hugging Face جایگاه بالایی دارند.

خبر کوتاهنویسنده: منتشرشده توسط Oossa: 1 دقیقه مطالعه

گرادیوم می‌گوید Phonon، مدل‌های متن‌به‌گفتار متن‌باز این شرکت، می‌تواند بدون اتصال به شبکه مستقیماً روی گوشی، لپ‌تاپ و دستگاه‌های دیگر گفتار تولید کند. این مدل‌ها در دو اندازه، حدود ۶۵ MB و ۷۵ MB، عرضه می‌شوند و در مجموع از انگلیسی، فرانسوی، آلمانی، اسپانیایی و پرتغالی، با بیش از ۱۰۰ صدای داخلی، پشتیبانی می‌کنند.

گرادیوم می‌گوید Phonon در رتبه‌بندی Open TTS در Hugging Face از نظر وضوح گفتار در آلمانی و اسپانیایی رتبه نخست را کسب کرده، در هر زبانی که ارزیابی کرده جزو سه رتبه برتر بوده و در آزمون پخش جریانی CPU از نظر زمان تا نخستین خروجی صوتی پیشتاز شده است. این شرکت می‌گوید مجوز Phonon 31m از نوع Apache 2.0 و قابل استفاده تجاری است؛ استفاده از Phonon 40m به کاربردهای غیرتجاری محدود می‌شود.

چرا مهم است

توسعه‌دهندگان اپلیکیشن می‌توانند با استفاده از Phonon 31m قابلیت گفتار آفلاین را اضافه کنند، بی‌آنکه متن کاربران را به سرور بفرستند؛ بااین‌حال، نتایج اعلام‌شده از سوی شرکت در رتبه‌بندی در اینجا مستقلاً تأیید نشده‌اند.

آیا این مقاله مفید بود؟
اشتراک‌گذاری

بیشتر بخوانید

Oossa · خبرنامه

هفتهٔ هوش مصنوعی، به زبان ساده

هر دوشنبه: خبرهایی که ارزش دانستن دارند، به زبان ساده. رایگان و بدون هرزنامه.