わずか1.7GBの超小型音声合成「Audio8TS」、数秒の音声でローカル声クローン
超軽量テキスト読み上げモデル「Audio8TS」が公開された。パラメータ数は約 1 億、モデル全体で 1.7GB に収まり、わずか数秒のリファレンス音声から声質を再現できる。ONNX INT8 形式も用意され、一般的な PC の CPU でも手軽にローカル音声クローンを動かせる。
超軽量テキスト読み上げモデル「Audio8TS」が公開された。パラメータ数は約 1 億、モデル全体で 1.7GB に収まり、わずか数秒のリファレンス音声から声質を再現できる。ONNX INT8 形式も用意され、一般的な PC の CPU でも手軽にローカル音声クローンを動かせる。