~/TEXT TO SPEE/kitten-tts-2-introduces-ultra-lightweight-multi-lingual-speech-models

Kitten TTS 2 Ra Mắt Dòng Mô Hình Tổng Hợp Giọng Nói Đa Ngữ Siêu Nhẹ

Kitten ML đã phát hành Kitten TTS 2, bao gồm một dòng mô hình chuyển văn bản thành giọng nói siêu nhẹ gồm các phiên bản Mini (82 triệu tham số), Nano (17 triệu tham số) và Pico (7,2 triệu tham số). Các mô hình này hỗ trợ nhiều ngôn ngữ, hàng chục giọng đọc và cung cấp định dạng lượng tử hóa ONNX int8 để chạy hiệu quả trên CPU. Các mô hình này cho phép suy luận chuyển văn bản thành giọng nói hiệu quả trực tiếp trên các thiết bị biên và CPU mà không cần phụ thuộc vào các thư viện PyTorch nặng nề. Điều này làm giảm đáng kể rào cản khi triển khai các hệ thống tạo giọng nói cục bộ và riêng tư trong các môi trường bị hạn chế tài nguyên. Các mô hình hoạt động ở tốc độ lấy mẫu 24 kHz và có nhiều kích cỡ khác nhau, với các phiên bản ONNX int8 có dung lượng chỉ từ 8,0 MB cho bản Pico, 17.4 MB cho bản Nano và 82,7 MB cho bản Mini. Chúng cũng cung cấp trọng số PyTorch float32 bên cạnh các tệp thời gian chạy ONNX.

## KIẾN THỨC NỀN

Hệ thống chuyển văn bản thành giọng nói (TTS) chuyển đổi văn bản viết thành âm thanh nói bằng các mô hình học sâu. Các kỹ thuật lượng tử hóa như ONNX int8 giúp giảm kích thước mô hình và yêu cầu băng thông bộ nhớ bằng cách biểu diễn trọng số bằng số nguyên 8-bit thay vì số thực 32-bit, giúp chúng chạy nhanh hơn trên các CPU tiêu chuẩn.

## TÀI LIỆU THAM KHẢO

## TỪ KHÓA

#Text-to-Speech#ONNX#Edge AI#Machine Learning#Open Source

$ subscribe --daily