Hugging Face·· 14 時間前厳選AI スコア69
オープンソースのオンデバイス音声合成モデル「Phonon TTS」が公開
A Closer Look at Phonon TTS. Launching High-Quality On-Device Speech That Tops the Benchmarks.
AI ガイド
Gradiumは、オンデバイス向けテキスト音声合成（TTS）モデル「Phonon TTS」を正式にオープンソース化した。サーバーやネットワークを必要とせず、スマートフォンやPC、シングルボードコンピュータ上で完全オフライン動作する。同モデルはPocket TTSの系譜とFlow Matching技術をベースに構築されており、31M（約65MB、英語対応、商用利用可能なApache 2.0ライセンス）と40M（約75MB、英・仏・独・西・葡の5言語対応、CC BY-NCライセンス）の2種類のサイズが提供されている。
推薦理由
元記事では、極小サイズの音声モデルにおけるFlow Matchingの実装手法が解説されており、オフラインデバイスへの高品質TTSの展開に向けた参考事例となっている。
出典：Hugging Face · huggingface.co