„Gradium“ pristatė „Phonon“ – lengvą tekstą į kalbą (TTS) konvertuojantį modelį įrenginiams
Trumpai: „Gradium“ išleido „Phonon“ – kompaktiškų (65–75 MB) teksto į kalbą modelių rinkinį, skirtą veikti tiesiogiai vartotojo įrenginyje. Jis palaiko penkias kalbas, veikia be interneto ir demonstruoja rezultatus, prilygstančius gerokai didesniems modeliams.
Šią santrauką automatiškai parengė dirbtinis intelektas pagal „Hugging Face“ publikaciją. Tai mūsų tekstas, ne originalo kopija — faktai, skaičiai ir citatos priklauso šaltiniui, kurio nuoroda pateikta viršuje ir apačioje.
Kas pasikeitė?
- 1Išleisti „Phonon 31m“ (anglų k., Apache 2.0) ir „Phonon 40m“ (5 kalbos, nekomercinė licencija).
- 2Pristatytas „ptts“ išvedimo karkasas, palaikantis daugiau nei 10 backendų, įskaitant CPU, GPU ir NPU.
- 3Visa integracija su „Hugging Face Transformers v5.21“ paketiniam apdorojimui.
- 4Palaikoma daugiau nei 100 įmontuotų balsų ir galimybė klonuoti savo balsą.
| Parametras | Buvo | Dabar |
|---|---|---|
| Dydis | Nenurodyta | 65 MB ir 75 MB |
| Palaikomos kalbos | Nenurodyta | anglų, prancūzų, vokiečių, ispanų, portugalų |
Kodėl tai svarbu?
Šis sprendimas perkelia TTS galimybes iš debesijos tiesiai į įrenginį, įgalindamas balso sąveikas realiuoju laiku be tinklo ryšio. Tai ypač naudinga mobiliosioms, integruotoms ar naršyklėje veikiančioms programėlėms, kurioms svarbus mažas vėlavimas ir privatumas.
Ką tai reiškia AI agentams ir kontaktų centrams?
„Phonon“ siūlo alternatyvą debesijos pagrindu veikiančioms TTS sistemoms. Išbandykite jo vėlavimą ir garso kokybę lyginant su dabartiniais debesijos sprendimais. Kontaktų centruose tai galėtų leisti atlikti paprastus pranešimus ar balso užuominas tiesiog vartotojo įrenginyje, mažinant serverio pralaidumą ir API kaštus.
🧪 Verta testuoti
Puikus kandidatas norint sumažinti infrastruktūros kaštus ir vėlavimą programose, kurioms reikalinga sintezė be interneto ryšio arba lokali sintezė.
Šaltiniai
- Hugging FaceOficialusPirminis šaltinisOriginalus straipsnis →„A Closer Look at Phonon TTS. Launching High-Quality On-Device Speech That Tops the Benchmarks.“2026-11-05 02:00
- Šaltinio publikavimo data
- 2026-11-05 02:00
- Mūsų sistema rado
- 2026-11-05 12:37
- Santrauka sugeneruota
- 2026-11-05 12:37
Straipsnį pagal originalų šaltinį parašė AI. Faktai, skaičiai ir kainos — iš šaltinio; trūkstamos reikšmės pažymėtos „Nėra oficialių duomenų“. Teisinė informacija, autorių teisės ir privatumas