يقدم الباحثون نموذج Freya-TTS، وهو نموذج تحويل نص إلى كلام (TTS) مضغوط وخالي من موحدات الرموز (tokenizers)، ومُحسّن للغة التركية، حيث يحقق معدل خطأ كلمة (WER) بنسبة 8.0% على معيار Freya-TR-Eval. يعمل محوّل الانتشار Diffusion Transformer ذو المطابقة التدفقية الشرطية غير الذاتية المتسلسلة، والذي يحتوي على 183.2 مليون معلمة، في الفضاء الكامن المستمر المُجمّد لـ AudioVAE2، مما يتيح إعادة بناء بجودة عالية بتردد 48 kHz دون الحاجة إلى مُحوّل صوتي (phonemizer) أو موحد رموز كلام منفصل.
- يستخدم مفردات حروف تركية مكونة من 92 رمزًا للنمذجة الشاملة بدون قواعد.
- يعتمد إزالة الضوضاء المتوازية غير الذاتية المتسلسلة للتنبؤ بأكمل التسلسل الكامن في وقت واحد.
- يستخدم وصفة تدريب لاحق على مرحلتين تتضمن قفل صوت متحدث واحد وتغطية الجمل القصيرة.
- يحقق عامل زمن حقيقي قدره 0.11 على وحدات معالجة الرسومات (GPUs) الاستهلاكية، ويعمل بسرعة أكبر من الزمن الحقيقي على معالجات الحواسيب المحمولة.
تم إصدار النموذج بموجب رخصة Apache-2.0، مما يوفر تركيبًا محادثيًا فعالًا يناسب النشر في الأطراف ذات الموارد المحدودة.