Pular para o conteúdo principal
ToolPotion
Consultor de IA
Enviar

Audio8-TTS-Realistic-Air

Audio8-TTS-Realistic-Air é um modelo de texto-para-fala com 0,6 bilhões de parâmetros, oferecendo realismo de fala aprimorado e clonagem de voz zero-shot. Suporta 23 idiomas, expandindo seu antecessor, e inclui um ponto de verificação completo do modelo, codec de áudio neural, tokenizador e processador. O modelo é projetado para geração de fala flexível e atendimento de GPU de alto rendimento.

Ver modelo
Compartilhar
Ver modelo
Compartilhar

Audio8-TTS-Realistic-Air é um modelo avançado de texto-para-fala (TTS) desenvolvido pela Edge0, disponível no Hugging Face. Baseando-se no Audio8-TTS-Preview-0.6b, este lançamento melhora significativamente o realismo da fala, proporcionando uma prosódia mais natural e uma entrega expressiva, enquanto mantém uma arquitetura compacta de 0,6 bilhões de parâmetros.

Ler mais

O modelo possui uma cobertura multilíngue mais ampla, suportando 23 idiomas. Isso inclui os 11 idiomas da versão Preview (Cantonês, Chinês, Holandês, Inglês, Francês, Alemão, Italiano, Japonês, Coreano, Polonês, Espanhol) e 12 novas adições (Árabe, Finlandês, Hindi, Indonésio, Malaio, Norueguês, Português, Russo, Sueco, Tailandês, Turco, Vietnamita). Ele utiliza a mesma interface de inferência de Transformers que seu antecessor, tornando-o acessível para desenvolvedores.

Audio8-TTS-Realistic-Air inclui um ponto de verificação completo do modelo, um codec de áudio neural de 44,1 kHz, tokenizador, processador e código personalizado de Transformers. Suporta geração flexível, oferecendo tanto clonagem de voz zero-shot a partir de uma gravação de referência e transcrição, quanto geração de fala sem uma referência. Os usuários podem experimentar essas capacidades em um Playground interativo hospedado no Hugging Face ZeroGPU.

Para aplicações de alto rendimento, o modelo apresenta atendimento de GPU via um adaptador SGLang Omni. Este adaptador fornece atenção paginada, agrupamento dinâmico e uma API de fala compatível com OpenAI, garantindo uma implantação eficiente e escalável. A arquitetura do modelo é um design DualAR, inspirado no Fish Audio S2 Pro, com um transformador AR lento prevendo tokens semânticos e um transformador AR rápido prevendo livros de códigos do codec.

A instalação requer Python 3.10 ou mais recente e uma GPU compatível com CUDA. O modelo foi testado com PyTorch 2.8.0 e Transformers 4.57.3 em um NVIDIA H20, cobrindo várias gerações de idiomas e clonagem de voz. O código e os pesos do modelo são lançados sob a Licença Apache 2.0, promovendo acesso aberto e uso responsável. Embora a qualidade varie por idioma, o modelo representa um avanço significativo na síntese de texto-para-fala realista e multilíngue.

  • CategoriaModelos de IA e LLMs
  • Modelo de preçosCódigo aberto
  • ImplantaçãoNuvem
  • PlataformasWeb

  • Realismo de fala aprimorado com prosódia natural e entrega expressiva

  • Cobertura multilíngue mais ampla suportando 23 idiomas

  • Arquitetura de modelo compacta com 601 milhões de parâmetros do modelo principal

  • Clonagem de voz zero-shot a partir de áudio de referência e transcrição

  • Geração de fala sem uma gravação de referência

  • Atendimento de GPU com adaptador SGLang Omni para alto rendimento

  • Suporte à API de fala compatível com OpenAI /v1/audio/speech

  • Arquitetura DualAR para processamento avançado de áudio

  • Codec de áudio neural de 44,1 kHz incluído

  • Inclui tokenizador, processador e código personalizado de Transformers

  • Suporta agrupamento dinâmico e atenção paginada

  • Licença Apache 2.0 para código e pesos do modelo

  • Playground interativo para testar geração de fala e clonagem de voz

  1. Acessar Modelo: Navegue até a página Edge0/Audio8-TTS-Realistic-Air no Hugging Face.

  2. Configurar Ambiente: Certifique-se de que Python 3.10+ e uma GPU compatível com CUDA estão instalados.

  3. Carregar Modelo: Carregue o modelo usando código personalizado de Transformers com `trust_remote_code=True`.

  4. Gerar Fala: Use o processador para preparar entradas para geração de fala.

  5. Realizar Clonagem de Voz: Forneça uma gravação de referência limpa e sua transcrição exata para clonagem de voz zero-shot.

  6. Executar Inferência: Mova as entradas para o dispositivo do modelo e execute os passos de geração e decodificação.

  7. Implantar para Atendimento: Utilize o adaptador SGLang Omni para atendimento de GPU de alto rendimento com uma API compatível com OpenAI.

  • Geração de Fala Realista
  • Criação de Conteúdo Multilíngue
  • Clonagem de Voz Zero-Shot
  • Aplicações de Voz Interativas
  • Atendimento de Áudio de Alto Rendimento
  • Pesquisa e Desenvolvimento

De Edge0

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

Avaliações de Audio8-TTS-Realistic-Air

Carregando...

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

Audio8-TTS-Realistic-0.6b é um modelo de texto-para-fala que oferece realismo de fala aprimorado e clonagem de voz zero-shot. Suporta 23 idiomas e utiliza uma arquitetura compacta…

Modelos de IA e LLMs
Ver ferramenta

Modelo de texto-para-fala que oferece realismo de fala aprimorado e clonagem de voz zero-shot. Suporta 23 idiomas e utiliza uma arquitetura compacta…Audio8-TTS-Realistic-0.6b é um modelo de texto-para-fala que oferece realismo de fala aprimorado e clonagem de voz zero-shot. Suporta 23 idiomas e utiliza uma arquitetura compacta…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

Modelo de IA Bark

Modelos de IA

Bark é um modelo de texto-para-áudio baseado em transformador da Suno, capaz de gerar fala realista em múltiplas línguas e outras formas de áudio. Ele suporta pesquisa com pontos…

Modelos de IA e LLMs
Ver ferramenta

Modelos de IA

Bark é um modelo de texto-para-áudio baseado em transformador da Suno, capaz de gerar fala realista em múltiplas línguas e outras formas de áudio. Ele suporta pesquisa com pontos…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

Ming-3.0-tts-0.5B

Modelos de IA

Ming-3.0-tts-0.5B é um modelo de síntese de fala multilíngue que oferece clonagem de voz zero-shot e controle livre. Suporta múltiplas línguas e dialetos, proporcionando controle…

Texto para voz
Ver ferramenta

Modelos de IA

Modelo de síntese de fala multilíngue que oferece clonagem de voz zero-shot e controle livre. Suporta múltiplas línguas e dialetos, proporcionando controle…Ming-3.0-tts-0.5B é um modelo de síntese de fala multilíngue que oferece clonagem de voz zero-shot e controle livre. Suporta múltiplas línguas e dialetos, proporcionando controle…

Texto para voz
Ver o Top 5 de Modelos de IA

Ming-3.0-tts-tiny

Modelos de IA

Ming-3.0-tts-tiny é um modelo de síntese de fala multilíngue com controle paralinguístico e livre. Ele suporta clonagem de voz em zero-shot e design de voz, oferecendo controle…

Texto para voz
Ver ferramenta

Modelos de IA

Modelo de síntese de fala multilíngue com controle paralinguístico e livre. Ele suporta clonagem de voz em zero-shot e design de voz, oferecendo controle…Ming-3.0-tts-tiny é um modelo de síntese de fala multilíngue com controle paralinguístico e livre. Ele suporta clonagem de voz em zero-shot e design de voz, oferecendo controle…

Texto para voz
Ver o Top 5 de Modelos de IA

Dia-1.6B é um modelo de texto-para-fala da Nari Labs, com 1,6 bilhões de parâmetros. Ele gera diálogos realistas a partir de transcrições, suportando controle de emoção e tom, e…

Texto para voz
Ver ferramenta

Dia-1.6B é um modelo de texto-para-fala da Nari Labs, com 1,6 bilhões de parâmetros. Ele gera diálogos realistas a partir de transcrições, suportando controle de emoção e tom, e…

Texto para voz
Ver o Top 5 de Modelos de IA

Chatterbox Turbo

Modelos de IA

Chatterbox Turbo é um modelo de texto-para-fala de código aberto da Resemble AI, oferecendo desempenho ultrarrápido com 350M de parâmetros e 75ms de latência. Ele apresenta…

Modelos de IA e LLMs
Ver ferramenta

Modelos de IA

Modelo de texto-para-fala de código aberto da Resemble AI, oferecendo desempenho ultrarrápido com 350M de parâmetros e 75ms de latência. Ele apresenta…Chatterbox Turbo é um modelo de texto-para-fala de código aberto da Resemble AI, oferecendo desempenho ultrarrápido com 350M de parâmetros e 75ms de latência. Ele apresenta…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

Apriel Voice 27B Preview é um modelo aberto de áudio-texto-para-texto da ServiceNow, construído com 27 bilhões de parâmetros e Transformers. Ele processa solicitações faladas,…

Modelos de IA e LLMs
Ver ferramenta

Modelo aberto de áudio-texto-para-texto da ServiceNow, construído com 27 bilhões de parâmetros e Transformers. Ele processa solicitações faladas,…Apriel Voice 27B Preview é um modelo aberto de áudio-texto-para-texto da ServiceNow, construído com 27 bilhões de parâmetros e Transformers. Ele processa solicitações faladas,…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

whisper-large-v3

Modelos de IA

Whisper-large-v3 é um modelo avançado para reconhecimento automático de fala e tradução de fala, treinado com mais de 5 milhões de horas de dados. Oferece desempenho aprimorado em…

Modelos de IA e LLMs
Ver ferramenta

Modelos de IA

Modelo avançado para reconhecimento automático de fala e tradução de fala, treinado com mais de 5 milhões de horas de dados. Oferece desempenho aprimorado em…Whisper-large-v3 é um modelo avançado para reconhecimento automático de fala e tradução de fala, treinado com mais de 5 milhões de horas de dados. Oferece desempenho aprimorado em…

DestaqueModelos de IA e LLMs
Ver o Top 5 de Modelos de IA
1 de 8