inclusionAI เปิดตัว Ming-3.0-tts-tiny โมเดลสังเคราะห์เสียงพูดแบบ MoE ขนาด 7.9B-A1.3B
inclusionAI/Ming-3.0-tts-tiny
inclusionAI เปิดตัว Ming-3.0-tts-tiny เช็กพอยต์ TTS แบบ mixture-of-experts ที่สร้างบนแกนหลัก Ling V3 มีพารามิเตอร์รวม 7.9B และเปิดใช้งานประมาณ 1.3B ต่อโทเคน ภายใต้สัญญาอนุญาต MIT รองรับการโคลนเสียงแบบ zero-shot การออกแบบเสียงจากคำอธิบายข้อความ การควบคุมสไตล์แบบอิสระ แท็ก paralinguistic แบบอินไลน์ 14 แท็ก การควบคุมอารมณ์ ความเร็ว ระดับเสียง และระดับความดัง สคริปต์พอดแคสต์แบบหลายผู้พูด และภาษาจีน อังกฤษ เยอรมัน สเปน ฝรั่งเศส เกาหลี ญี่ปุ่น พร้อมทั้งภาษาถิ่นเสฉวนและกวางตุ้ง รีโป Hugging Face เผยแพร่เฉพาะเวตเท่านั้น การอนุมานต้องใช้รีโป GitHub Ming-3.0-tts และการให้บริการมีเอกสารกำกับสำหรับ vLLM-Omni และ SGLang-Omni ผ่านเอนด์พอยต์ /v1/audio/speech ที่เข้ากันได้กับ OpenAI
เช็กพอยต์ TTS แบบ MoE ที่มีพารามิเตอร์รวม 7.9B เปิดใช้งาน 1.3B พร้อมการโคลนเสียง การควบคุมภาษาถิ่นและ paralinguistic อีกทั้งตาราง benchmark ที่ระบุจุดอ่อนของตัวเองไว้ด้วย
แหล่งข่าว:inclusionAI Models · huggingface.co