Prakriti v1
TTS для хинди, хинглиша и английского с эмоциями
2 мин чтенияобновлено
Новая текстовая нейросеть (TTS) размером 82М параметров создана на базе популярной архитектуры Kokoro-82M и обучена для работы с хинди, смешанным хинглишем и индийским вариантом английского. Модель поддерживает 10 различных голосов и управление эмоциональными стилями (радость, грусть, гроб, страх, удивление и др.). Разработка сохраняет высокую скорость генерации: около 36x от реального времени на видеокарте и до 2.6x на четырех потоках процессора, что отлично подходит для голосовых ассистентов.
Ключевые особенности
- 10 уникальных голосов: 2 записаны в студии профессионально, а 8 получены путем дистилляции из более крупной учительской модели.
- Настраиваемые эмоции и интенсивность для каждого голоса.
- Продвинутый движок для хинди: корректная обработка чисел, валют, временных выражений, удаление швы и словарь произношений.
- Поддержка стриминга предложений для мгновенного озвучивания и работы на CPU или GPU.
Что можно сделать
- Озвучить диалоги или текст на хинди и английском с нужной эмоциональной окраской в ботах или приложениях.
- Создать быстрый локальный сервис синтеза речи благодаря высокой скорости работы на обычном железе.
- Использовать потоковый вывод (streaming) для создания отзывчивых голосовых ассистентов.
Пример
from prakriti.tts import Prakriti
import soundfile as sf
tts = Prakriti.from_pretrained("anand-k-maurya/prakriti-v1")
audio = tts.synthesize("नमस्ते! आपका order कल तक पहुँच जाएगा।", voice="Rasa_F", emotion="happy", intensity=0.8)
sf.write("out.wav", audio, 24000)Подробнее
• База: Kokoro-82M (файтюн по рецепту StyleTTS 2)• Датасет: 54.7 часа после фильтрации (включая данные Rasa и синтез Maya 2)
• Железо: Требуется одна RTX A6000 для обучения, на инференсе работает на GPU и CPU
• Лицензия: Apache-2.0










Комментарии