Turaco-nano-tts-wes
лёгкая модель синтеза речи для пиджин-инглиша
2 мин чтения
Модель Turaco-nano-tts-wes от компании Clevaway создана для генерации устной речи на камерунском пиджин-инглише (WES) по текстовому промпту. Базируясь на архитектуре Kyutai Pocket TTS, эта миниатюрная языковая модель содержит около 109.5 миллионов параметров и весит всего 438 МБ в формате FP32. Релиз нацелен на локальный запуск на обычных процессорах (CPU), интеграцию в мобильные приложения и работу прямо в браузере через WebAssembly.
Ключевые особенности
- Компактный размер: Весит в 14.9 раза меньше предыдущей версии Turaco CSM, что облегчает интеграцию.
- Пилотный голос: В комплекте идёт предварительно просчитанное состояние голоса для быстрой генерации без исходного датасета.
- Бразиузерная версия: Поддерживает запуск в WebAssembly с помощью среды Phonon для работы в веб-интерфейсе.
- Целевое обучение: Дообучена на корпусе Common Voice 27.0 для работы с редким африканским диалектом.
Что можно сделать
- Локальный синтез речи: Сгенерировать аудиозаписи на камерунском пиджин-инглише локально на CPU с помощью Python-библиотеки.
- Веб-демонстрация: Протестировать модель прямо в браузере через специальный WebAssembly-рантайм без установки тяжелого ПО.
- Интеграция в приложения: Использовать компактные веса для интеграции в мобильные и периферийные устройства.
Пример
from pocket_tts import TTSModel
model = TTSModel.load_model(config="hf://fotiecodes/turaco-nano-tts-wes/wes.yaml")
state = model.get_state_for_audio_prompt("hf://fotiecodes/turaco-nano-tts-wes/voice.safetensors")
audio = model.generate_audio(state, "I di go for ma wok.")Подробнее
Берёт за основу: Kyutai Pocket TTSПараметры: 109.5 млн
Размер весов: 438 МБ (FP32)
Браузерная версия GGUF: ~177 МБ
Обучение: 200 шагов optimizer steps на GPU Tesla T4










Комментарии