Ra Mắt Sopro V2 Turbo 2610: Cải Thiện Nhân Bản Giọng Nói Trên CPU
Phiên bản Sopro V2 Turbo 2610 đã được phát hành dưới dạng một bản cập nhật tạm thời nhằm giảm độ thô và lỗi vỡ tiếng khi nhân bản giọng nói. Bản cập nhật này vẫn giữ nguyên kiến trúc 120 triệu tham số mỏng nhẹ và duy trì tốc độ phát âm thanh đầu tiên dưới 300 ms trên CPU máy tính xách tay. Mô hình cung cấp một giải pháp thay thế mã nguồn mở theo giấy phép Apache-2.0 cho các mô hình chuyển văn bản thành giọng nói nặng hơn như F5-TTS bằng cách cho phép tạo giọng nói truyền phát theo thời gian thực trực tiếp trên CPU phổ thông. Điều này giúp các nhà phát triển triển khai công cụ nhân bản giọng nói cục bộ chất lượng cao mà không cần GPU chuyên dụng. Mô hình hỗ trợ tiếng Anh, tiếng Bồ Đào Nha châu Âu, tiếng Pháp và tiếng Đức, đồng thời có thể chạy tiện lợi thông qua lệnh `uvx`. Tuy nhiên, nó vẫn còn hạn chế khi xử lý các giọng nói quá cao hoặc mang tính hoạt hình, tệp âm thanh tham chiếu nhiều tạp âm và đầu vào âm thanh bất thường.
## KIẾN THỨC NỀN
Các mô hình chuyển văn bản thành giọng nói mã nguồn mở như F5-TTS sử dụng kỹ thuật flow-matching để nhân bản giọng nói từ các đoạn âm thanh ngắn, nhưng chúng thường đòi hỏi tài nguyên GPU đáng kể. Để chạy các tiện ích Python siêu nhẹ trong môi trường cô lập trên phần cứng cục bộ mà không cần thiết lập thủ công, các nhà phát triển thường sử dụng những công cụ thực thi dòng lệnh như `uvx` của Astral.