Hacker News · AI·· 2 小時前AI 評分71
Halo NeuroAI 開源 Sopro V2 Turbo:一個 120M 的裝置端語音複製 TTS 模型
Sopro V2: private, fast, on-device text-to-speech
AI 導讀
Halo NeuroAI 發布了文字轉語音模型系列 Sopro V2,並開源了其中速度最快的成員 sopro-v2-turbo,這是一個 120M 參數的語音複製模型,可在筆記型電腦 CPU 或瀏覽器中串流運行,涵蓋英語、德語、法語和歐洲葡萄牙語。在 Apple M3 CPU 上,它以 0.24 RTF 離線生成,並以約 300 毫秒到首個音訊、0.21 RTF 串流;而單張 H100 離線可達 0.07 RTF。該模型透過四個訓練階段建構,包括從 0.5B 教師模型蒸餾,以及將聲學求解器步數從 32 降至 2 的 reflow,作者報告在 F5-TTS 協議下,Seed-TTS test-en 的 WER 為 1.63,LibriSpeech test-clean 為 1.79。
來源:Hacker News · AI · research.haloneuro.ai