Saltar al contenido principal
ToolPotion
Asesor de IA
Enviar

Audio8-TTS-Realistic-Air

Modelos de IAModelos de IA y LLMCódigo abierto · Web

Audio8-TTS-Realistic-Air es un modelo de texto a voz con 0.6 mil millones de parámetros, que ofrece un realismo del habla mejorado y clonación de voz en cero disparos. Soporta 23 idiomas, ampliando su predecesor, e incluye un punto de control completo del modelo, códec de audio neural, tokenizador y procesador. El modelo está diseñado para una generación de habla flexible y un servicio GPU de alto rendimiento.

Ver modelo
Compartir
Ver modelo
Compartir

Audio8-TTS-Realistic-Air es un modelo avanzado de texto a voz (TTS) desarrollado por Edge0, disponible en Hugging Face. Basándose en el Audio8-TTS-Preview-0.6b, esta versión mejora significativamente el realismo del habla, ofreciendo una prosodia más natural y una entrega expresiva, mientras mantiene una arquitectura compacta de 0.6 mil millones de parámetros.

Leer más

El modelo cuenta con una cobertura multilingüe más amplia, soportando 23 idiomas. Esto incluye los 11 idiomas de la versión Preview (cantonés, chino, neerlandés, inglés, francés, alemán, italiano, japonés, coreano, polaco, español) y 12 nuevas adiciones (árabe, finlandés, hindi, indonesio, malayo, noruego, portugués, ruso, sueco, tailandés, turco, vietnamita). Utiliza la misma interfaz de inferencia de Transformers que su predecesor, lo que lo hace accesible para los desarrolladores.

Audio8-TTS-Realistic-Air incluye un punto de control completo del modelo, un códec de audio neural de 44.1 kHz, tokenizador, procesador y código personalizado de Transformers. Soporta generación flexible, ofreciendo tanto clonación de voz en cero disparos a partir de una grabación de referencia y su transcripción, como generación de habla sin una referencia. Los usuarios pueden experimentar con estas capacidades en un Playground interactivo alojado en Hugging Face ZeroGPU.

Para aplicaciones de alto rendimiento, el modelo cuenta con servicio GPU a través de un adaptador SGLang Omni. Este adaptador proporciona atención paginada, agrupamiento dinámico y una API de habla compatible con OpenAI, asegurando un despliegue eficiente y escalable. La arquitectura del modelo es un diseño DualAR, inspirado en Fish Audio S2 Pro, con un transformador AR lento que predice tokens semánticos y un transformador AR rápido que predice libros de códigos del códec.

La instalación requiere Python 3.10 o superior y una GPU compatible con CUDA. El modelo ha sido probado con PyTorch 2.8.0 y Transformers 4.57.3 en un NVIDIA H20, cubriendo diversas generaciones de idiomas y clonación de voz. El código y los pesos del modelo se publican bajo la Licencia Apache 2.0, promoviendo el acceso abierto y el uso responsable. Aunque la calidad varía según el idioma, el modelo representa un avance significativo en la síntesis de texto a voz realista y multilingüe.

  • CategoríaModelos de IA y LLM
  • Modelo de preciosCódigo abierto
  • ImplementaciónNube
  • PlataformasWeb

  • Realismo del habla mejorado con prosodia natural y entrega expresiva

  • Cobertura multilingüe más amplia que soporta 23 idiomas

  • Arquitectura de modelo compacta con 601 millones de parámetros del modelo principal

  • Clonación de voz en cero disparos a partir de audio de referencia y transcripción

  • Generación de habla sin una grabación de referencia

  • Servicio GPU con adaptador SGLang Omni para alto rendimiento

  • Soporte de API de habla compatible con OpenAI /v1/audio/speech

  • Arquitectura DualAR para procesamiento de audio avanzado

  • Códec de audio neural de 44.1 kHz incluido

  • Incluye tokenizador, procesador y código personalizado de Transformers

  • Soporta agrupamiento dinámico y atención paginada

  • Licencia Apache 2.0 para código y pesos del modelo

  • Playground interactivo para probar la generación de habla y clonación de voz

  1. Acceder al Modelo: Navegar a la página Edge0/Audio8-TTS-Realistic-Air en Hugging Face.

  2. Configurar el Entorno: Asegurarse de que Python 3.10+ y una GPU compatible con CUDA estén instalados.

  3. Cargar el Modelo: Cargar el modelo utilizando código personalizado de Transformers con `trust_remote_code=True`.

  4. Generar Habla: Usar el procesador para preparar entradas para la generación de habla.

  5. Realizar Clonación de Voz: Proporcionar una grabación de referencia limpia y su transcripción exacta para la clonación de voz en cero disparos.

  6. Ejecutar Inferencia: Mover las entradas al dispositivo del modelo y ejecutar los pasos de generación y decodificación.

  7. Desplegar para Servicio: Utilizar el adaptador SGLang Omni para servicio GPU de alto rendimiento con una API compatible con OpenAI.

  • Generación de Habla Realista
  • Creación de Contenido Multilingüe
  • Clonación de Voz en Cero Disparos
  • Aplicaciones de Voz Interactivas
  • Servicio de Audio de Alto Rendimiento
  • Investigación y Desarrollo

De Edge0

Un modelo de Audio8-TTS-Realistic-0.6b.

Reseñas de Audio8-TTS-Realistic-Air

Cargando...

Herramientas de IA populares como Audio8-TTS-Realistic-Air

Audio8-TTS-Realistic-0.6b es un modelo de texto a voz que ofrece un realismo mejorado en el habla y clonación de voz en cero disparos. Soporta 23 idiomas y utiliza una…

Modelos de IA y LLM
Ver herramienta

Modelo de texto a voz que ofrece un realismo mejorado en el habla y clonación de voz en cero disparos. Soporta 23 idiomas y utiliza una…Audio8-TTS-Realistic-0.6b es un modelo de texto a voz que ofrece un realismo mejorado en el habla y clonación de voz en cero disparos. Soporta 23 idiomas y utiliza una…

Modelos de IA y LLM
Ver el Top 5 de Modelos de IA

Modelo de IA Bark

Modelos de IA

Bark es un modelo de texto a audio basado en transformadores desarrollado por Suno, capaz de generar discursos realistas en múltiples idiomas y otras formas de audio. Soporta la…

Modelos de IA y LLM
Ver herramienta

Modelos de IA

Bark es un modelo de texto a audio basado en transformadores desarrollado por Suno, capaz de generar discursos realistas en múltiples idiomas y otras formas de audio. Soporta la…

Modelos de IA y LLM
Ver el Top 5 de Modelos de IA

Ming-3.0-tts-0.5B

Modelos de IA

Ming-3.0-tts-0.5B es un modelo de síntesis de voz multilingüe que ofrece clonación de voz en cero disparos y control libre. Soporta múltiples idiomas y dialectos, proporcionando…

Texto a voz
Ver herramienta

Modelos de IA

Modelo de síntesis de voz multilingüe que ofrece clonación de voz en cero disparos y control libre. Soporta múltiples idiomas y dialectos, proporcionando…Ming-3.0-tts-0.5B es un modelo de síntesis de voz multilingüe que ofrece clonación de voz en cero disparos y control libre. Soporta múltiples idiomas y dialectos, proporcionando…

Texto a voz
Ver el Top 5 de Modelos de IA

Ming-3.0-tts-tiny

Modelos de IA

Ming-3.0-tts-tiny es un modelo de síntesis de voz multilingüe con control paralingüístico y de forma libre. Soporta clonación de voz en cero disparos y diseño de voz, ofreciendo…

Texto a voz
Ver herramienta

Modelos de IA

Modelo de síntesis de voz multilingüe con control paralingüístico y de forma libre. Soporta clonación de voz en cero disparos y diseño de voz, ofreciendo…Ming-3.0-tts-tiny es un modelo de síntesis de voz multilingüe con control paralingüístico y de forma libre. Soporta clonación de voz en cero disparos y diseño de voz, ofreciendo…

Texto a voz
Ver el Top 5 de Modelos de IA

Dia-1.6B es un modelo de texto a voz de Nari Labs, con 1.6 mil millones de parámetros. Genera diálogos realistas a partir de transcripciones, soportando control de emoción y tono,…

Texto a voz
Ver herramienta

Dia-1.6B es un modelo de texto a voz de Nari Labs, con 1.6 mil millones de parámetros. Genera diálogos realistas a partir de transcripciones, soportando control de emoción y tono,…

Texto a voz
Ver el Top 5 de Modelos de IA

Chatterbox Turbo

Modelos de IA

Chatterbox Turbo es un modelo de texto a voz de código abierto de Resemble AI, que ofrece un rendimiento ultrarrápido con 350 millones de parámetros y 75 ms de latencia. Presenta…

Modelos de IA y LLM
Ver herramienta

Modelos de IA

Modelo de texto a voz de código abierto de Resemble AI, que ofrece un rendimiento ultrarrápido con 350 millones de parámetros y 75 ms de latencia. Presenta…Chatterbox Turbo es un modelo de texto a voz de código abierto de Resemble AI, que ofrece un rendimiento ultrarrápido con 350 millones de parámetros y 75 ms de latencia. Presenta…

Modelos de IA y LLM
Ver el Top 5 de Modelos de IA

Apriel Voice 27B Preview es un modelo abierto de audio-texto-a-texto de ServiceNow, construido con 27 mil millones de parámetros y Transformers. Procesa solicitudes habladas,…

Modelos de IA y LLM
Ver herramienta

Modelo abierto de audio-texto-a-texto de ServiceNow, construido con 27 mil millones de parámetros y Transformers. Procesa solicitudes habladas,…Apriel Voice 27B Preview es un modelo abierto de audio-texto-a-texto de ServiceNow, construido con 27 mil millones de parámetros y Transformers. Procesa solicitudes habladas,…

Modelos de IA y LLM
Ver el Top 5 de Modelos de IA

whisper-large-v3

Modelos de IA

Whisper-large-v3 es un modelo avanzado para el reconocimiento automático de voz y la traducción de voz, entrenado con más de 5 millones de horas de datos. Ofrece un rendimiento…

Modelos de IA y LLM
Ver herramienta

Modelos de IA

Modelo avanzado para el reconocimiento automático de voz y la traducción de voz, entrenado con más de 5 millones de horas de datos. Ofrece un rendimiento…Whisper-large-v3 es un modelo avanzado para el reconocimiento automático de voz y la traducción de voz, entrenado con más de 5 millones de horas de datos. Ofrece un rendimiento…

DestacadaModelos de IA y LLM
Ver el Top 5 de Modelos de IA
1 de 8