È stata rilasciata la compatta modello TTS Kokoro-7M-Distill

I sviluppatori hanno presentato Kokoro-7M-Distill — un modello leggero per la sintesi vocale (TTS), progettato per funzionare su dispositivi mobili. Il modello contiene solo 7,48 milioni di parametri e occupa 28,7 MB di spazio su disco.

L'architettura della novità si basa sulla distillazione delle conoscenze da un modello più grande Kokoro-82M. Durante i test, la soluzione ha dimostrato una velocità di generazione superiore a quella dell'originale di 4,1 volte. Il tempo di elaborazione è di 22 ms per un secondo di flusso audio.

Il modello è progettato per funzionare in modalità completamente autonoma (offline) senza la necessità di accedere ai server cloud. Le basse esigenze di memoria RAM consentono di integrare il sistema in applicazioni per smartphone con risorse hardware limitate.

Il rilascio di Kokoro-7M-Distill estende le possibilità della sintesi vocale locale, garantendo una risposta rapida con un consumo minimo di risorse. L'utilizzo della distillazione ha consentito di mantenere la chiarezza della voce riducendo notevolmente il volume dei pesi, rendendo il modello adatto ai sistemi incorporati e agli interfacce mobili.