InclusionAI Phát Hành Mô Hình Tạo Giọng Nói Ming-3.0-TTS-0.5B
InclusionAI, được hậu thuẫn bởi Ant Group, đã phát hành Ming-3.0-TTS-0.5B, một mô hình chuyển văn bản thành giọng nói mã nguồn mở tích hợp tính năng nhân bản giọng nói, thiết kế giọng nói, hỗ trợ đa ngôn ngữ và điều khiển cảm xúc. Mô hình này là một phần trong đợt ra mắt các mô hình âm thanh lớn hơn bao gồm cả các mô hình hiểu và xử lý âm thanh. Bản phát hành mã nguồn mở này cung cấp cho các nhà phát triển và người đam mê AI cục bộ khả năng tạo âm thanh tiên tiến, bao gồm việc kiểm soát chi tiết phong cách nói và nhân bản giọng nói không cần huấn luyện trước (zero-shot). Điều này mở rộng bộ công cụ có sẵn để xây dựng các ứng dụng trò chuyện đa ngôn ngữ, bản địa hóa. Ming-3.0-TTS-0.5B hỗ trợ 7 ngôn ngữ, thiết kế giọng nói từ mô tả bằng ngôn ngữ tự nhiên, kiểm soát cảm xúc và phong cách tự do, cùng các tùy chọn phương ngữ. Mô hình này có thể được triển khai cục bộ hoặc thông qua các framework như vLLM-Omni sử dụng API tương thích.
## KIẾN THỨC NỀN
Các mô hình chuyển văn bản thành giọng nói (TTS) sử dụng học sâu để chuyển đổi văn bản viết thành âm thanh dạng nói, với các mô hình hiện đại có khả năng bắt chước các giọng nói người cụ thể chỉ từ các đoạn âm thanh ngắn. Tính năng nhân bản giọng nói zero-shot cho phép mô hình sao chép một giọng nói chưa từng gặp ngay lập tức mà không cần huấn luyện lại chuyên sâu.