neutts-2e

Stworzony przez Neuphonic – budowanie szybszej, mniejszej, lokalnej sztucznej inteligencji głosowej NeuTTS-2E to super szybki, wysoce realistyczny, lokalny model syntezatora mowy TTS z emocjami. Jest to wczesna wersja alfa, model tylko w języku angielskim, wspierający sześć emocji plus neutralną (angry, disgusted, fearful, happy, sad, surprised i neutral) w czterech stałych głosach (emily, paul, sophie, steven). Dzięki kompaktowej architekturze i efektywnemu projektowi LM + kodeka, NeuTTS-2E zapewnia silną naturalność i ekspresyjną kontrolę przy minimalnym zużyciu mocy obliczeniowej, co czyni go idealnym do wbudowanych agentów głosowych, asystentów, zabawek i aplikacji wrażliwych na prywatność. > [!NOTE]

Ten model jest tylko w języku angielskim z ustalonymi głosami: dla innych języków i natychmiastowego klonowania głosu, zobacz kolekcję NeuTTS Nano Multilingual. – ⚡️ Ultra-szybki dla lokalnych zastosowań — zaprojektowany do generacji w czasie rzeczywistym lub lepszej niż w czasie rzeczywistym na procesorach klasy laptopów

• ??? Kontrola emocji — sześć emocji plus neutralna, wybierane za pomocą jednego argumentu
• ? Wysoka realizm jak na swój rozmiar — naturalna, ekspresyjna mowa w kompaktowej formie
• ? Przyjazne dla GGUF/GGML wdrożenie — łatwe do uruchomienia lokalnie za pomocą narzędzi CPU-first
• ? Lokalne i zgodne z przepisami — przechowuj audio i tekst na urządzeniu > [!CAUTION]

Strony internetowe takie jak neutts.com pojawiają się i nie są powiązane z Neuphonic, naszym githubem ani tym repozytorium. Jesteśmy tylko na neuphonic.com. Proszę być ostrożnym! ? NeuTTS-2E został zaprojektowany z myślą o maksymalnej prędkości na parametr przy zachowaniu silnej naturalności i ekspresyjnej kontroli:

• Backbone: kompaktowa architektura LM dostosowana do generacji tokenów TTS z emocjami
• Format wejściowy: tekst — nie wymaga fonemizacji ani zależności systemowych
• Głosy: cztery stałe głosy (emily, paul, sophie, steven)
• Emocje: angry, disgusted, fearful, happy, sad, surprised i neutral
• Kodek audio: NeuCodec – nasz otwarty kodek audio oparty na sieciach neuronowych, który osiąga wyjątkową jakość dźwięku przy niskich bitrate'ach, używając jednego zbioru kodów
• Format: kwantyzacje dostępne w formacie GGUF dla efektywnego wnioskowania lokalnego
• Odpowiedzialność: Wydania z watermarkiem
• Prędkość wnioskowania: Optymalizowane do generacji w czasie rzeczywistym na procesorach
• Zużycie energii: Zaprojektowane dla urządzeń mobilnych i wbudowanych – Aktywne parametry (tylko backbone): ~125M
• Całkowite parametry (backbone + powiązane osadzenia/głowa): ~236M