Vits Eng
VITSアーキテクチャに基づく英語テキスト音声合成モデル、Kakao Enterpriseがトレーニング、高品質な音声合成をサポート
ダウンロード数 28
リリース時間 : 1/15/2024
モデル概要
これはVITSアーキテクチャに基づく英語テキスト音声合成モデルで、英語テキストを自然な音声出力に変換できます。モデルはLJ Speechデータセットでトレーニングされており、英語音声合成が必要なアプリケーションに適しています。
モデル特徴
高品質音声合成
VITSアーキテクチャに基づき、自然で滑らかな英語音声を生成可能
エンドツーエンドモデル
テキストから音声への直接合成が可能で、複雑な中間処理が不要
音素入力サポート
音素入力をサポートし、phonemizeライブラリと組み合わせた前処理が可能
モデル能力
英語テキスト音声合成
高品質音声合成
16kHzサンプリングレート音声出力対応
使用事例
音声アシスタント
スマート音声アシスタント
スマートデバイス向けに自然な音声出力を提供
自然で滑らかな音声応答を生成
オーディオブック
電子書籍読み上げ
電子書籍の内容を音声に変換
明確で理解しやすいオーディオブックを生成
教育アプリケーション
言語学習ツール
言語学習アプリ向けに標準的な発音を提供
学習者が正しい発音を習得するのを支援
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98