inclusionAI เปิดตัวโมเดลสังเคราะห์เสียงพูด Ming-3.0-tts-0.5B
เริ่มตรงนี้
inclusionAI เปิดตัว Ming-3.0-tts-0.5B ซึ่งเป็นเช็กพอยต์แปลงข้อความเป็นเสียงพูดแบบ dense ขนาด 0.5B ที่สร้างบนโครงหลัก Qwen2.5-0.5B และเผยแพร่บน Hugging Face ภายใต้สัญญาอนุญาต MIT โมเดลนี้รองรับการโคลนเสียงแบบ zero-shot การออกแบบเสียงจากคำอธิบายภาษาธรรมชาติ แท็กพาราภาษาศาสตร์แบบอินไลน์ 14 แท็ก การควบคุมอารมณ์ ความเร็ว ระดับเสียงสูงต่ำ และระดับความดังอย่างชัดเจน และการสังเคราะห์เสียงในภาษาจีน อังกฤษ เยอรมัน สเปน ฝรั่งเศส เกาหลี ญี่ปุ่น ภาษาจีนเสฉวน และภาษากวางตุ้ง รีโพซิทอรีบน Hugging Face เผยแพร่เฉพาะเช็กพอยต์เท่านั้น ไม่ได้จัดเตรียมชุดการอนุมานแบบแยกต่างหาก การรันโมเดลต้องใช้รีโพซิทอรี GitHub Ming-3.0-tts แยกต่างหาก ผู้เขียนระบุว่าความคล้ายคลึงของผู้พูดยังตามหลังความแม่นยำของเนื้อหา และความเสถียรเมื่อมีเหตุการณ์พาราภาษาศาสตร์หลายอย่างยังอยู่ระหว่างการปรับปรุง
สร้างจากรายงาน · อัปเดต 9 ชม. ที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- inclusionAI ModelsinclusionAI เปิดตัว Ming-3.0-tts-0.5B โมเดลสังเคราะห์เสียงพูดหลายภาษาขนาด 0.5B
inclusionAI เปิดตัว Ming-3.0-tts-0.5B เช็กพอยต์แปลงข้อความเป็นเสียงพูดแบบ dense ขนาด 0.5B ที่สร้างบนโครงหลัก Qwen2.5-0.5B และเผยแพร่บน Hugging Face ภายใต้สัญญาอนุญาต MIT รองรับการโคลนเสียงแบบ zero-shot การออกแบบเสียงจากคำอธิบายภาษาธรรมชาติ แท็กพาราภาษาศาสตร์แบบอินไลน์ 14 แท็ก การควบคุมอารมณ์ ความเร็ว ระดับเสียง และความดังอย่างชัดเจน และการสังเคราะห์เสียงในภาษาจีน อังกฤษ เยอรมัน สเปน ฝรั่งเศส เกาหลี ญี่ปุ่น รวมถึงภาษาจีนเสฉวนและกวางตุ้ง การอนุมานต้องใช้ที่เก็บ GitHub Ming-3.0-tts แยกต่างหาก ผู้เขียนระบุว่าความคล้ายคลึงของผู้พูดยังตามหลังความแม่นยำของเนื้อหา และเสถียรภาพของพาราภาษาศาสตร์แบบหลายเหตุการณ์ยังอยู่ระหว่างการพัฒนา
ความร้อนแรงของเหตุการณ์นี้
- ช่วงปัจจุบันที่เทียบได้
- 6
- จุดสูงสุดในช่วงที่เทียบได้
- 819 พฤศจิกายน 18:00
- การเปลี่ยนแปลงใน 24 ชั่วโมง
- –
แนวโน้มนี้เปรียบเทียบผู้ร่วมพูดถึงชุดเดียวกันในช่วงเวลาที่เฝ้าดูต่อเนื่อง ช่วงจึงอาจแคบกว่าคะแนนความร้อนปัจจุบัน วางเมาส์หรือแตะกราฟเพื่อดูความร้อนรายชั่วโมง กดลูกศรเพื่อเลื่อนดู