跳至正文
熱點事件持續更新

Halo NeuroAI 發布 Sopro V2 TTS 系列,並開源 Turbo 模型

1 篇報導1 個報導來源2 小時前更新

先了解這件事

AI 綜述

Halo NeuroAI 發布 Sopro V2,這是一系列文字轉語音模型,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 或瀏覽器中執行,涵蓋英文、德文、法文與歐洲葡萄牙文。該公司表示,在 Apple M3 CPU 上,其離線生成速度為 0.24 RTF,串流速度為 0.21 RTF,首個音訊約需 300 毫秒,而單張 H100 的離線速度可達 0.07 RTF。 該模型分四個階段訓練,包括從 0.5B 教師模型進行蒸餾,以及一個將聲學求解器步數從 32 降至 2 的 reflow 步驟;Halo NeuroAI 報告指出,在 F5-TTS 協議下,Seed-TTS test-en 的 WER 為 1.63,LibriSpeech test-clean 為 1.79。本機示範只需一個指令即可啟動,而完全在瀏覽器內執行的 ONNX 示範無需伺服器,不過在行動裝置上模型會經過量化,結果可能略差,且記憶體較低的裝置可能當機。Halo NeuroAI 表示,由於訓練程式碼過於複雜,近期不打算發布。

AI 依報導生成 · 2 小時前更新

報導時間線

沿著報導,了解事件的不同側面。

11月17日
  1. Hacker News · AI
    Halo NeuroAI 開源 Sopro V2 Turbo:一個 120M 的裝置端語音複製 TTS 模型

    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。

本事件熱度走勢

還沒有足夠的連續觀測資料,暫不繪製趨勢。