dots.tts:小紅書が2B音声合成モデルを公開、音声クローンに対応
小紅書(Rednote)が20億パラメータのエンドツーエンド音声合成システム dots.tts をオープンソースで公開した。完全連続型の自己回帰構成と48kHz AudioVAEを採用し、離散トークンを使わずに高い類似度での音声クローンや精密な編集を実現する。Apache-2.0で提供される。
小紅書(Rednote)が20億パラメータのエンドツーエンド音声合成システム dots.tts をオープンソースで公開した。完全連続型の自己回帰構成と48kHz AudioVAEを採用し、離散トークンを使わずに高い類似度での音声クローンや精密な編集を実現する。Apache-2.0で提供される。
小紅書が画像編集モデル「FireRed-Image-Edit 1.1」をオープンソース公開しました。自然言語の指示で背景やポーズを変えても顔や衣装の一貫性を保てるほか、複数画像の合成やフォントスタイルの移植にも対応します。ただし容量が約 60GB あり、一般向け GPU での直接実行には高いハードルがあります。