OpenBMB, konuşma üretimi için VoxCPM modelini tanıttı

OpenBMB ekibi, metinden konuşmaya (TTS) dönüştürme için özelleşmiş bir model olan VoxCPM2'yi yayınladı. Sistem, 2 milyar parametreli bir mimari üzerine inşa edilmiştir ve ses verilerini doğrudan işlemeye olanak tanıyan bir tokenlaştırıcı kullanmadan çalışır.

Model, 30 dilde ses üretimini destekler ve 48 kHz örnekleme hızında ses çıkışı sağlar. Sürümün temel özelliklerinden biri, kullanıcıların sentezlenen sesin özelliklerini belirli görevler için esnek bir şekilde yapılandırmasına olanak tanıyan Voice Design işlevidir.

Geliştirme, minimum gecikmeyle yüksek kaliteli ses içeriği oluşturmaya odaklanmıştır. Ara tokenlaştırma aşamasının olmaması, veri işleme hattını basitleştirerek modeli doğal ses ve çok dillilik gerektiren etkileşimli sistemlere entegrasyon için uygun hale getirir.

Geliştiriciler ve araştırmacılar için modelin koduna ve ağırlıklarına projenin resmi deposundan erişilebilir. Araç, tonlamaların aktarımında yüksek doğruluk ve geniş bir dil yelpazesi desteği gerektiren görevlerde, gelişmiş konuşma sentezi yeteneklerinin yerel uygulamalara entegre edilmesine olanak tanıyarak ses ile çalışma araç setini genişletmektedir.