Gradiumは、音声合成モデル「Phonon」シリーズをオープンソース化しました。英語版のPhonon 31mは3,100万パラメーターで、ファイルサイズは64.5 MB。一般的なノートPCのCPUで約7 msで音声出力を開始できます。コードとモデルの重みは、誰でも利用・改変できる寛容なApache 2.0ライセンスで公開されています。
なぜ重要か
開発者はクラウドサービスに料金を払うことなく、アプリに高速なオフライン音声合成を追加できるようになります。
Gradium、端末で動く小型TTSモデル「Phonon 31M」を公開
英語版のPhonon 31mは3,100万パラメーター、容量64.5 MB。ノートPCのCPUで約7 msで音声を出力し、Apache 2.0ライセンスで公開されました。
短信著者： OossaOossa公開日: 1 分で読める
次に読む
モデル
OpenAI、Proユーザー向けにChatGPT Walletを導入 AIエージェントが買い物
新機能ChatGPT Walletでは、米国のProユーザーに代わり、AIエージェント「dots」がトークン化されたカード情報で商品を購入できる。
モデル
MetaのMuse、有料ユーザーに代わって米企業へ電話
ケーブル会社やDMV、レストランに電話できるAIエージェント。ただし、合成音声だと気づいて電話を切る企業も多い。
モデル
Google、より高速で低価格なAIモデル「Gemini 4 Hydrogen」を発表
新モデルのGemini 4 Hydrogenは、大型モデルのArgonを速度、コスト、複数のベンチマークで上回り、世界中の開発者と一般ユーザーに提供を開始した。
Oossa · ニュースレター
今週のAIを、わかりやすく
毎週月曜日、知っておきたいニュースをやさしい言葉で。無料・スパムなし。