Описание
OuteTTS-0.2-500M — это сложная модель синтеза речи, разработанная OuteAI, предназначенная для обеспечения высококачественного синтеза речи. Будучи улучшенным преемником версии v0.1, она сохраняет основную архитектуру, одновременно включая значительные усовершенствования. Модель построена на основе фреймворка Qwen-2.5-0.5B и обучена на более крупных и разнообразных наборах данных, что приводит к улучшению производительности по различным метрикам.
Читать далее
Ключевые улучшения включают значительно лучшее следование подсказкам и согласованность вывода по сравнению с предыдущими версиями. OuteTTS-0.2-500M производит более естественную и плавную речь, что делает её подходящей для приложений, требующих высококачественного синтеза голоса. Модель также имеет расширенный словарный запас, так как была обучена на более чем 5 миллиардах токенов аудиоподсказок, что способствует её способности генерировать разнообразные и точные речевые выходы.
Возможности клонирования голоса были улучшены, предлагая большую разнообразие и точность. Это делает OuteTTS-0.2-500M ценным инструментом для создания персонализированных голосовых профилей. Кроме того, модель вводит экспериментальную многоязычную поддержку для китайского, японского и корейского языков, расширяя её применимость в глобальных контекстах.
Обучающие наборы данных модели включают Emilia-Dataset, LibriTTS-R и Multilingual LibriSpeech, все они способствуют её надежной производительности. OuteTTS-0.2-500M лицензирована по лицензии CC BY NC 4.0, что обеспечивает доступность для некоммерческого использования. С 420 загрузками в прошлом месяце, она демонстрирует растущий интерес и принятие в сообществе ИИ.
- КатегорияСинтез речи из текста
- Модель ценообразованияОткрытый код
- РазвёртываниеОблако
- ПлатформыВеб
Главное о OuteTTS-0.2-500M
Улучшенное следование подсказкам
Естественный и плавный синтез речи
Расширенный словарный запас с 5 миллиардами токенов
Улучшенные возможности клонирования голоса
Многоязычная поддержка для китайского, японского, корейского
Базовая модель: Qwen-2.5-0.5B
Количество параметров: 500M
Лицензия: CC BY NC 4.0
Обучающие наборы данных: Emilia-Dataset, LibriTTS-R, MLS
Включены стандартные профили спикеров
Настройка пользовательского бэкенда
Создание и управление профилями спикеров
Рекомендация по длительности аудиоклипов
Требование к точной транскрипции
Настройка параметров для качества голоса
Начало работы с OuteTTS-0.2-500M
Страница доступа: Посетите страницу модели Hugging Face
Загрузите модель: Скачайте OuteTTS-0.2-500M
Настройте окружение: Установите поддержку GGUF или EXL2
Интеграция: Используйте Hugging Face Transformers
Тонкая настройка: Настройте параметры под конкретные нужды
Варианты использования OuteTTS-0.2-500M
- Клонирование голоса
- Многоязычный TTS
- Естественный синтез речи
- Расширение аудиоподсказок
- Управление профилями спикеров
