È stata rilasciata la compatto modello arabo TTS Nabra-7M-Distill

I sviluppatori hanno presentato Nabra-7M-Distill — un modello specializzato per la sintesi vocale in lingua araba. Il sistema è costruito sull'architettura con 7,48 milioni di parametri e destinato a funzionare in condizioni di risorse computazionali limitate.

Il peso del file di modello finale è di soli 28,7 MB, il che consente di avviarlo localmente sulla CPU. Durante il test, il modello ha mostrato prestazioni che superano la velocità di lavoro del modello "insegnante" originale di 4,2 volte. Allo stesso tempo, la velocità di generazione dell'audio raggiunge 45x in tempo reale.

Il modello è stato ottenuto mediante il metodo di distillazione delle conoscenze da una rete neurale più grande, il che ha consentito di mantenere la qualità della sintesi con un notevole riduzione del volume dei calcoli. Il processo di formazione ha richiesto 1 ora, in seguito al quale il modello ha ricevuto un punteggio di 8 punti secondo la scala di efficienza interna degli sviluppatori.

Il rilascio è orientato all'integrazione in applicazioni mobili e sistemi incorporati, dove è critica la bassa latenza e il minimo consumo di memoria operativa. L'utilizzo di modelli distillati consente di distribuire interfacce vocali di alta qualità su dispositivi senza acceleratori grafici dedicati.