Mach Boom
английский TTS на 18,2 МБ
1 мин чтенияобновлено
Mach Boom — английская TTS-модель от Syzygy Research, сжатая до 3,5 бита на вес версия Gradium Phonon 31m. Файл весит 18,2 МБ и на одном ядре CPU говорит в 8–10 раз быстрее реального времени.
Ключевые особенности
- Сжатие до 3,5 бит на вес: 18,2 МБ вместо 103,4 МБ у fp32-версии Phonon 31m.
- Скорость 8,3–8,4x real time на одном ядре и 11,3–11,7x на четырёх; на Granite Rapids — до 19,5–19,8x на четырёх.
- WER 5,18% на 250 отложенных английских предложениях Gradium TTS Hard Cases; с выключенными text rules — 14,01%.
- Четыре голоса: Zoey, Juniper, Everly, Harper; подходят файлы голосов из gradium/phonon-voices.
- Потоковый синтез: первый звук за 61–78 мс на одном ядре, пик памяти 93 МБ.
Пример
from mach import MachBoom
tts = MachBoom("mach-boom.bin", voices_dir="voices", tokenizer="tokenizer.json")
wav = tts.synth("Call 020 7946 0018 before 5:30 p.m. on 14/03.", "Zoey", seed=0)
for piece in tts.synth_stream("Your table is booked for 8 p.m.", "Zoey", first=2):
...
Подробнее
WER 5,18% на Gradium TTS Hard Cases; без text rules — 14,01%.Скорость: 8,3–8,4x real time на 1 ядре, 11,3–11,7x на 4; пик памяти 93 МБ, первый звук 61–78 мс.
Нужен Linux x86-64, Python 3.8+, numpy, tokenizers и gcc/clang; модель только для английского.










Комментарии