跳到正文
Hacker News · AI·· 2 小时前AI 评分71

Halo NeuroAI 开源 Sopro V2 Turbo:一款 120M 端侧语音克隆 TTS 模型

Sopro V2: private, fast, on-device text-to-speech

AI 导读

Halo NeuroAI 发布了文本转语音模型系列 Sopro V2,并开源了其中速度最快的成员 sopro-v2-turbo——一个 120M 参数的语音克隆模型,可在笔记本电脑 CPU 或浏览器中流式运行,覆盖英语、德语、法语和欧洲葡萄牙语。在 Apple M3 CPU 上,它以 0.24 RTF 离线生成,并以约 300 毫秒首音频延迟、0.21 RTF 流式运行;单张 H100 离线可达 0.07 RTF。该模型经过四个训练阶段构建,包括从 0.5B 教师模型蒸馏,以及将声学求解器步数从 32 降至 2 的 reflow;作者报告在 F5-TTS 协议下,Seed-TTS test-en 上 WER 为 1.63,LibriSpeech test-clean 上为 1.79。

来源:Hacker News · AI · research.haloneuro.ai