NVIDIA Magpie TTS: Açık Ağırlıklı Çok Dilli Ses Üretimi ve Tam Dağıtım Kontrolü
NVIDIA
NVIDIA, Modern Standart Arapça, Korece ve Brezilya Portekizcesi gibi yeni eklemeler dahil 12 dili destekleyen açık ağırlıklı bir model olan Magpie TTS Multilingual'i yayınladı. Model, çerçeve yığınlama ve yerel dönüştürücü teknikleriyle düşük gecikme süresi sunarken, NVIDIA NIM ve Hugging Face kontrol noktaları aracılığıyla dağıtım esnekliği sağlıyor.
NVIDIA, 12 dili destekleyen ve Modern Standart Arapça, Korece ve Brezilya Portekizcesi gibi yeni dilleri içeren 364M parametreli açık ağırlıklı metin-konuşma modeli Magpie TTS Multilingual'i tanıttı. Model, düşük gecikmeli sesli asistanlar için tasarlanmış olup B200 GPU'larında 32ms'lik ilk sese kadar geçen süre (TTFA) elde ediyor ve yüksek verim sunuyor. Mimari iyileştirmeler arasında kod çözücü yinelemelerini azaltmak için çerçeve yığınlama ve ses kalitesini korumak için yerel bir transformatör yer alıyor. Sürüm, Fransızca ve İspanyolca için daha düşük karakter hata oranları (CER) ve daha yüksek konuşmacı benzerliği (SSIM) gibi iyileştirilmiş kalite metriklerini vurguluyor. Geliştiriciler, modeli NVIDIA NIM veya Hugging Face kontrol noktalarını kullanarak kendi altyapılarında dağıtabilir, NVIDIA NeMo ile özelleştirebilir ve tam sesli asistanlar oluşturmak için Nemotron Sesli Asistan Geliştirici Örneği ile entegre edebilir.
Kaynak: Hugging Face blog —
orijinal