Oossa

llama.cpp در نسخه b12426 از دو مدل گفتاری پشتیبانی می‌کند

این نسخه پشتیبانی از تبدیل گفتار به متن Higgs v3 و VibeVoice-ASR را به ابزارهای پردازش رسانه در llama.cpp اضافه می‌کند.

خبر کوتاهنویسنده: منتشرشده توسط Oossa: 1 دقیقه مطالعه

تیم ggml-org نسخه b12426 از llama.cpp را منتشر کرده و پشتیبانی از تبدیل گفتار به متن Higgs v3 و VibeVoice-ASR را به کد پردازش رسانه آن افزوده است. تبدیل گفتار به متن، صدای گفتاری را به کلمات نوشتاری تبدیل می‌کند.

صفحه انتشار همچنین نسخه‌های قابل دانلودی برای macOS، iOS و چند سیستم لینوکس ارائه می‌دهد. در این صفحه مشخص نشده که پشتیبانی صوتی جدید شامل کدام نسخه‌های مدل است یا چه محدودیت‌هایی دارد.

چرا مهم است

توسعه‌دهندگانی که از llama.cpp استفاده می‌کنند، می‌توانند پشتیبانی جدید آن از این مدل‌های گفتاری را امتحان کنند؛ هرچند یادداشت‌های انتشار درباره پیش‌نیازهای راه‌اندازی یا جزئیات مدل‌های پشتیبانی‌شده توضیحی نمی‌دهند.

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.