Deskripsi
OuteTTS-0.2-500M adalah model teks-ke-suara yang canggih yang dikembangkan oleh OuteAI, dirancang untuk memberikan sintesis suara berkualitas tinggi. Sebagai penerus yang ditingkatkan dari rilis v0.1, model ini mempertahankan arsitektur dasar sambil menggabungkan kemajuan signifikan. Model ini dibangun di atas kerangka Qwen-2.5-0.5B dan dilatih pada dataset yang lebih besar dan lebih beragam, menghasilkan kinerja yang lebih baik di berbagai metrik.
Baca Selengkapnya
Perbaikan utama termasuk kemampuan mengikuti prompt yang jauh lebih baik dan koherensi output dibandingkan dengan versi sebelumnya. OuteTTS-0.2-500M menghasilkan suara yang lebih alami dan lancar, menjadikannya cocok untuk aplikasi yang memerlukan sintesis suara berkualitas tinggi. Model ini juga memiliki kosakata yang diperluas, telah dilatih pada lebih dari 5 miliar token prompt audio, yang berkontribusi pada kemampuannya untuk menghasilkan output suara yang beragam dan akurat.
Kemampuan kloning suara telah ditingkatkan, menawarkan keberagaman dan akurasi yang lebih besar. Ini menjadikan OuteTTS-0.2-500M sebagai alat yang berharga untuk membuat profil suara yang dipersonalisasi. Selain itu, model ini memperkenalkan dukungan multibahasa eksperimental untuk bahasa Cina, Jepang, dan Korea, memperluas aplikabilitasnya dalam konteks global.
Dataset pelatihan model ini mencakup Emilia-Dataset, LibriTTS-R, dan Multilingual LibriSpeech, semuanya berkontribusi pada kinerja yang kuat. OuteTTS-0.2-500M dilisensikan di bawah CC BY NC 4.0, memastikan aksesibilitas untuk penggunaan non-komersial. Dengan 420 unduhan bulan lalu, model ini menunjukkan minat dan adopsi yang semakin meningkat di dalam komunitas AI.
- KategoriTeks ke Suara
- Model HargaOpen source
- PenerapanCloud
- PlatformWeb
Sorotan OuteTTS-0.2-500M
Peningkatan kemampuan mengikuti prompt
Sintesis suara yang alami dan lancar
Kosakata yang diperluas dengan 5 miliar token
Kemampuan kloning suara yang ditingkatkan
Dukungan multibahasa untuk bahasa Cina, Jepang, Korea
Model dasar: Qwen-2.5-0.5B
Jumlah parameter: 500M
Lisensi: CC BY NC 4.0
Dataset pelatihan: Emilia-Dataset, LibriTTS-R, MLS
Profil pembicara default termasuk
Konfigurasi backend kustom
Pembuatan dan manajemen profil pembicara
Rekomendasi durasi klip audio
Persyaratan transkripsi yang akurat
Penyesuaian parameter untuk kualitas suara
Memulai dengan OuteTTS-0.2-500M
Akses halaman: Kunjungi halaman model Hugging Face
Muat model: Unduh OuteTTS-0.2-500M
Konfigurasi lingkungan: Siapkan dukungan GGUF atau EXL2
Integrasi: Gunakan Hugging Face Transformers
Fine-tune: Sesuaikan parameter untuk kebutuhan spesifik
Kasus Penggunaan OuteTTS-0.2-500M
- Kloning Suara
- TTS Multibahasa
- Sintesis Suara Alami
- Ekspansi Prompt Audio
- Manajemen Profil Pembicara
