Sakhanda Wire
NVDA $153.32 -1.81% MSFT $505.84 -2.35% GOOGL $280.31 -1.20% META $621.44 -0.79% AMZN $257.31 -0.17%
← До новин

NVIDIA Magpie TTS розширила підтримку до 12 мов

NVIDIA випустила оновлену багатомовну модель синтезу мовлення Magpie TTS із відкритими вагами, підтримкою 12 мов і можливістю розгортання у власній інфраструктурі. Модель на 364M параметрів додала сучасну стандартну арабську, корейську та бразильську португальську до англійської, іспанської, французької, німецької, італійської, в’єтнамської, китайської, гінді та японської. Для мов доступні чоловічі й жіночі голоси на основі спільного багатомовного представлення мовця.

Нова версія також розширює підтримку перемикання між мовами для гінді та японської. Для точнішої вимови використовуються обробка IPA під час перетворення графем на фонеми та спеціальні словники. NVIDIA повідомляє про покращення якості в кількох мовах: для французької частка помилок символів зменшилася з 2.70% до 1.54%, а схожість голосу зросла з 0.703 до 0.747.

Тести контейнера NVIDIA NIM у локальній інфраструктурі показали затримку до першого аудіосигналу 32–79 ms для одного потоку на різних GPU. На B200 за 64 потоків показник становив 239 ms, а пропускна здатність — 319.81× від реального часу. Архітектура з групуванням аудіокадрів і локальним трансформером скорочує час декодування. Модель можна запускати локально та налаштовувати за допомогою NeMo.

Текст підготовлено ШІ Sakhanda Wire за матеріалом Hugging Face. Факти, цитати та повний контекст — в оригінальній статті нижче.

Вперше опубліковано виданням Hugging Face

Читати оригінал на Hugging Face ↗

Репортаж і зображення належать Hugging Face і зазначені вище з посиланням на оригінал; текст на цій сторінці — власний виклад Sakhanda Wire.

← До новин

Ще новини

Усі останні новини