Deskripsi
Higgs TTS 3, yang dikembangkan oleh Boson AI, adalah model teks-ke-suara canggih yang dirancang untuk mengubah teks menjadi ucapan percakapan yang ekspresif. Model ini mendukung lebih dari 100 bahasa, mencapai tingkat kesalahan kata satu digit di 85 di antaranya, menjadikannya cocok untuk aplikasi berkualitas produksi yang halus. Model ini sangat bermanfaat bagi pencipta digital, memungkinkan mereka untuk memproduksi dan memonetisasi konten seperti podcast, video, dan pos media sosial secara gratis di bawah Creator Use Grant. Hibah ini mengharuskan atribusi kepada Higgs Audio milik Boson AI.
Baca Selengkapnya
Arsitektur model ini mencakup dekoder autoregresif dengan 4 miliar parameter, yang memproses token teks dan audio yang saling terkait. Model ini menggunakan Higgs Tokenizer untuk mengkodekan audio ke dalam delapan buku kode pada 25 frame per detik, yang kemudian dipetakan ke status tersembunyi backbone melalui embedding terfusi multi-buku kode. Kode keluaran didekodekan kembali menjadi bentuk gelombang, memberikan keluaran audio berkualitas tinggi.
Higgs TTS 3 menawarkan kontrol yang luas atas ucapan yang dihasilkan, termasuk emosi, gaya, prosodi, dan efek suara. Pengguna dapat menyisipkan token kontrol di tengah ucapan untuk menyesuaikan parameter ini, memungkinkan sintesis ucapan yang bernuansa dan dinamis. Model ini juga mendukung kloning suara tanpa pelatihan, memungkinkan pengguna untuk mereplikasi suara dengan fidelitas tinggi.
Model ini dirilis untuk penelitian dan penggunaan non-komersial di bawah Lisensi Penelitian dan Non-Komersial Boson Higgs TTS 3. Penggunaan komersial, seperti menyematkan model dalam produk atau menjualnya kembali, memerlukan lisensi terpisah. Model ini melarang penggunaan yang tidak etis seperti kloning suara tanpa persetujuan, peniruan, dan penipuan.
Higgs TTS 3 dievaluasi pada berbagai tolok ukur, secara konsisten mengungguli versi sebelumnya dan model lain dalam hal tingkat kesalahan kata dan kualitas keseluruhan. Model ini tersedia untuk integrasi melalui API Boson AI, dan pengguna dapat menyajikan model menggunakan tumpukan produksi SGLang-Omni untuk penyebaran yang efisien.
- KategoriTeks ke Suara
- Model HargaFree for Creators
- PenerapanCloud
- PlatformWeb
Sorotan Higgs TTS 3
Dukungan multibahasa untuk 102 bahasa
Kloning suara tanpa pelatihan
Kontrol emosi dan gaya
Kustomisasi prosodi dan efek suara
Dekoder autoregresif dengan 4 miliar parameter
Gratis untuk pencipta digital dengan atribusi
Lisensi penelitian dan non-komersial
Keluaran audio berkualitas tinggi
Memulai dengan Higgs TTS 3
Akses model: Kunjungi halaman Hugging Face
Autentikasi: Gunakan kunci API
Siapkan lingkungan: Instal ketergantungan
Integrasi melalui API: Gunakan API Boson AI
Optimalkan: Sesuaikan token kontrol untuk keluaran yang diinginkan
Kasus Penggunaan Higgs TTS 3
- Produksi Podcast
- Narasi Video
- Konten Media Sosial
- Pembelajaran Bahasa
- Alat Aksesibilitas
