Langsung ke konten utama
ToolPotion
Penasihat AI
Kirim (Gratis)

Audio8-TTS-Realistic-Air

Model AIModel AI & LLMOpen source · Web

Audio8-TTS-Realistic-Air adalah model text-to-speech dengan 0,6 miliar parameter, menawarkan realisme ucapan yang ditingkatkan dan kloning suara zero-shot. Ini mendukung 23 bahasa, memperluas pendahulunya, dan mencakup checkpoint model lengkap, codec audio neural, tokenizer, dan prosesor. Model ini dirancang untuk generasi ucapan yang fleksibel dan penyajian GPU throughput tinggi.

Lihat Model
Bagikan
Lihat Model
Bagikan

Audio8-TTS-Realistic-Air adalah model text-to-speech (TTS) canggih yang dikembangkan oleh Edge0, tersedia di Hugging Face. Membangun di atas Audio8-TTS-Preview-0.6b, rilis ini secara signifikan meningkatkan realisme ucapan, memberikan prosodi yang lebih alami dan penyampaian yang ekspresif, sambil mempertahankan arsitektur parameter 0,6 miliar yang kompak.

Baca Selengkapnya

Model ini memiliki cakupan multibahasa yang lebih luas, mendukung 23 bahasa. Ini mencakup 11 bahasa dari versi Preview (Kanton, Mandarin, Belanda, Inggris, Prancis, Jerman, Italia, Jepang, Korea, Polandia, Spanyol) dan 12 tambahan baru (Arab, Finlandia, Hindi, Indonesia, Melayu, Norwegia, Portugis, Rusia, Swedia, Thailand, Turki, Vietnam). Ini menggunakan antarmuka inferensi Transformers yang sama seperti pendahulunya, membuatnya dapat diakses oleh pengembang.

Audio8-TTS-Realistic-Air mencakup checkpoint model lengkap, codec audio neural 44,1 kHz, tokenizer, prosesor, dan kode Transformers kustom. Ini mendukung generasi yang fleksibel, menawarkan baik kloning suara zero-shot dari rekaman referensi dan transkrip, serta generasi ucapan tanpa referensi. Pengguna dapat bereksperimen dengan kemampuan ini di Playground interaktif yang dihosting di Hugging Face ZeroGPU.

Untuk aplikasi throughput tinggi, model ini memiliki penyajian GPU melalui adaptor SGLang Omni. Adaptor ini menyediakan perhatian berpaged, batching dinamis, dan API ucapan yang kompatibel dengan OpenAI, memastikan penyebaran yang efisien dan dapat diskalakan. Arsitektur model adalah desain DualAR, terinspirasi oleh Fish Audio S2 Pro, dengan transformer AR lambat yang memprediksi token semantik dan transformer AR cepat yang memprediksi buku kode codec.

Instalasi memerlukan Python 3.10 atau lebih baru dan GPU yang mendukung CUDA. Model ini telah diuji dengan PyTorch 2.8.0 dan Transformers 4.57.3 pada NVIDIA H20, mencakup berbagai generasi bahasa dan kloning suara. Kode dan bobot model dirilis di bawah Lisensi Apache 2.0, mempromosikan akses terbuka dan penggunaan yang bertanggung jawab. Meskipun kualitas bervariasi berdasarkan bahasa, model ini merupakan langkah maju yang signifikan dalam sintesis text-to-speech yang realistis dan multibahasa.

  • KategoriModel AI & LLM
  • Model HargaOpen source
  • PenerapanCloud
  • PlatformWeb

  • Peningkatan realisme ucapan dengan prosodi alami dan penyampaian ekspresif

  • Cakupan multibahasa yang lebih luas mendukung 23 bahasa

  • Arsitektur model kompak dengan 601 juta parameter model utama

  • Kloning suara zero-shot dari audio referensi dan transkrip

  • Generasi ucapan tanpa rekaman referensi

  • Penyajian GPU dengan adaptor SGLang Omni untuk throughput tinggi

  • Dukungan API /v1/audio/speech yang kompatibel dengan OpenAI

  • Arsitektur DualAR untuk pemrosesan audio yang canggih

  • Codec audio neural 44,1 kHz yang terbundel

  • Termasuk tokenizer, prosesor, dan kode Transformers kustom

  • Mendukung batching dinamis dan perhatian berpaged

  • Lisensi Apache 2.0 untuk kode dan bobot model

  • Playground interaktif untuk menguji generasi ucapan dan kloning suara

  1. Akses Model: Arahkan ke halaman Edge0/Audio8-TTS-Realistic-Air di Hugging Face.

  2. Siapkan Lingkungan: Pastikan Python 3.10+ dan GPU yang mendukung CUDA terinstal.

  3. Muat Model: Muat model menggunakan kode Transformers kustom dengan `trust_remote_code=True`.

  4. Hasilkan Ucapan: Gunakan prosesor untuk menyiapkan input untuk generasi ucapan.

  5. Lakukan Kloning Suara: Berikan rekaman referensi yang bersih dan transkripnya yang tepat untuk kloning suara zero-shot.

  6. Jalankan Inferensi: Pindahkan input ke perangkat model dan eksekusi langkah generasi dan decoding.

  7. Terapkan untuk Penyajian: Manfaatkan adaptor SGLang Omni untuk penyajian GPU throughput tinggi dengan API yang kompatibel dengan OpenAI.

  • Generasi Ucapan Realistis
  • Pembuatan Konten Multibahasa
  • Kloning Suara Zero-Shot
  • Aplikasi Suara Interaktif
  • Penyajian Audio Throughput Tinggi
  • Penelitian dan Pengembangan

Dari Edge0

Model dalam Audio8-TTS-Realistic-0.6b.

Ulasan Audio8-TTS-Realistic-Air

Memuat...

Alat AI Populer Seperti Audio8-TTS-Realistic-Air

Audio8-TTS-Realistic-0.6b adalah model teks-ke-suara yang menawarkan realisme ucapan yang lebih baik dan kloning suara tanpa contoh. Model ini mendukung 23 bahasa dan menggunakan…

Model AI & LLM
Lihat Alat

Model teks-ke-suara yang menawarkan realisme ucapan yang lebih baik dan kloning suara tanpa contoh. Model ini mendukung 23 bahasa dan menggunakan…Audio8-TTS-Realistic-0.6b adalah model teks-ke-suara yang menawarkan realisme ucapan yang lebih baik dan kloning suara tanpa contoh. Model ini mendukung 23 bahasa dan menggunakan…

Model AI & LLM
Lihat Top 5 Model AI

Bark adalah model teks-ke-audio berbasis transformer dari Suno, yang mampu menghasilkan ucapan multibahasa yang realistis dan bentuk audio lainnya. Ini mendukung penelitian dengan…

Model AI & LLM
Lihat Alat

Bark adalah model teks-ke-audio berbasis transformer dari Suno, yang mampu menghasilkan ucapan multibahasa yang realistis dan bentuk audio lainnya. Ini mendukung penelitian dengan…

Model AI & LLM
Lihat Top 5 Model AI

Ming-3.0-tts-0.5B adalah model sintesis suara multibahasa yang menawarkan kloning suara tanpa pelatihan dan kontrol bebas bentuk. Model ini mendukung berbagai bahasa dan dialek,…

Teks ke Suara
Lihat Alat

Model sintesis suara multibahasa yang menawarkan kloning suara tanpa pelatihan dan kontrol bebas bentuk. Model ini mendukung berbagai bahasa dan dialek,…Ming-3.0-tts-0.5B adalah model sintesis suara multibahasa yang menawarkan kloning suara tanpa pelatihan dan kontrol bebas bentuk. Model ini mendukung berbagai bahasa dan dialek,…

Teks ke Suara
Lihat Top 5 Model AI

Ming-3.0-tts-tiny adalah model sintesis suara multibahasa dengan kontrol paralinguistik dan kontrol bebas bentuk. Model ini mendukung kloning suara tanpa pelatihan dan desain…

Teks ke Suara
Lihat Alat

Model sintesis suara multibahasa dengan kontrol paralinguistik dan kontrol bebas bentuk. Model ini mendukung kloning suara tanpa pelatihan dan desain…Ming-3.0-tts-tiny adalah model sintesis suara multibahasa dengan kontrol paralinguistik dan kontrol bebas bentuk. Model ini mendukung kloning suara tanpa pelatihan dan desain…

Teks ke Suara
Lihat Top 5 Model AI

Dia-1.6B adalah model teks-ke-suara oleh Nari Labs, dengan 1,6 miliar parameter. Model ini menghasilkan dialog yang realistis dari transkrip, mendukung kontrol emosi dan nada,…

Teks ke Suara
Lihat Alat

Model teks-ke-suara oleh Nari Labs, dengan 1,6 miliar parameter. Model ini menghasilkan dialog yang realistis dari transkrip, mendukung kontrol emosi dan nada,…Dia-1.6B adalah model teks-ke-suara oleh Nari Labs, dengan 1,6 miliar parameter. Model ini menghasilkan dialog yang realistis dari transkrip, mendukung kontrol emosi dan nada,…

Teks ke Suara
Lihat Top 5 Model AI

Chatterbox Turbo adalah model teks-ke-suara sumber terbuka dari Resemble AI, menawarkan kinerja ultracepat dengan 350 juta parameter dan latensi 75ms. Ini memiliki kloning suara…

Model AI & LLM
Lihat Alat

Model teks-ke-suara sumber terbuka dari Resemble AI, menawarkan kinerja ultracepat dengan 350 juta parameter dan latensi 75ms. Ini memiliki kloning suara…Chatterbox Turbo adalah model teks-ke-suara sumber terbuka dari Resemble AI, menawarkan kinerja ultracepat dengan 350 juta parameter dan latensi 75ms. Ini memiliki kloning suara…

Model AI & LLM
Lihat Top 5 Model AI

Apriel Voice 27B Preview adalah model audio-teks-ke-teks terbuka dari ServiceNow, dibangun dengan 27 miliar parameter dan Transformers. Model ini memproses permintaan lisan,…

Model AI & LLM
Lihat Alat

Model audio-teks-ke-teks terbuka dari ServiceNow, dibangun dengan 27 miliar parameter dan Transformers. Model ini memproses permintaan lisan,…Apriel Voice 27B Preview adalah model audio-teks-ke-teks terbuka dari ServiceNow, dibangun dengan 27 miliar parameter dan Transformers. Model ini memproses permintaan lisan,…

Model AI & LLM
Lihat Top 5 Model AI

Whisper-large-v3 adalah model canggih untuk pengenalan suara otomatis dan terjemahan suara, dilatih dengan lebih dari 5 juta jam data. Model ini menawarkan kinerja yang lebih baik…

Model AI & LLM
Lihat Alat

Model canggih untuk pengenalan suara otomatis dan terjemahan suara, dilatih dengan lebih dari 5 juta jam data. Model ini menawarkan kinerja yang lebih baik…Whisper-large-v3 adalah model canggih untuk pengenalan suara otomatis dan terjemahan suara, dilatih dengan lebih dari 5 juta jam data. Model ini menawarkan kinerja yang lebih baik…

UnggulanModel AI & LLM
Lihat Top 5 Model AI
1 dari 8