Fish Audio Phát Hành Mô Hình Chuyển Văn Bản Thành Giọng Nói Drama 3 35B3A
Fish Audio đã phát hành Drama 3 35B3A, một mô hình chuyển văn bản thành giọng nói dạng Hỗn hợp chuyên gia (Mixture of Experts) có kích thước lớn. Người dùng có thể chạy mô hình này trên thiết bị cục bộ bằng cách sử dụng lượng tử hóa 4-bit hoặc thử nghiệm trực tiếp thông qua bản demo trên Hugging Face Space. Bản phát hành này đánh dấu một bước tiến quan trọng trong công nghệ chuyển văn bản thành giọng nói mã nguồn mở, mang đến khả năng tổng hợp giọng nói cục bộ chất lượng cao cho cộng đồng học máy. Nó thu hẹp khoảng cách giữa các mô hình giọng nói cấp doanh nghiệp khổng lồ và tính khả thi khi triển khai cục bộ. Mặc dù Drama 3 35B3A là một mô hình MoE cồng kềnh, nó vẫn chạy hiệu quả trên các phần cứng chuyên dụng như DGX Spark. Hơn nữa, phương pháp lượng tử hóa 4-bit vẫn duy trì chất lượng đầu ra rất gần với mô hình gốc chưa lượng tử hóa.
## KIẾN THỨC NỀN
Hỗn hợp chuyên gia (Mixture of Experts - MoE) là một kiến trúc mạng thần kinh trong đó nhiều mô hình phụ ('các chuyên gia') xử lý các phần khác nhau của một tác vụ, được điều phối bởi một bộ định tuyến để cải thiện hiệu suất và dung lượng. Lượng tử hóa mô hình làm giảm độ chính xác của trọng số—chẳng hạn như chuyển đổi số dấu phẩy động 16-bit thành số nguyên 4-bit—giúp giảm đáng kể yêu cầu về bộ nhớ và phần cứng khi chạy các mô hình lớn trên cục bộ.