lab Tencent Hunyuan (HF) · il y a 1 j · releases

Tencent publie AuK-Flash open source, un modèle de génération vocale distillé de 1.5B

Traduit de English → Français

Tencent a rendu le modèle fondamental AuK pour la génération et l'édition vocales disponible en open source, incluant le code et les poids sur Hugging Face et ModelScope. Le lancement comprend AuK-Flash, une variante distillée conçue pour une inférence rapide en seulement 4 étapes.

AuK est un modèle de 1.5B entraîné sur des millions d'heures de données audio.
Il prend en charge le TTS zero-shot, l'édition de contenu et acoustique, l'édition paralinguistique, l'amélioration vocale et la séparation de source via des instructions en langage naturel.
Le dépôt fournit les poids officiels pour le modèle de base ainsi que pour la variante rapide AuK-Flash.
Des exemples d'installation et d'utilisation sont fournis pour les plateformes Hugging Face et ModelScope.

Le lancement permet aux développeurs d'accéder à une interface unifiée pour plusieurs tâches vocales sous licence MIT.

Importance 1/3 Confiance 1/3 Tencent Hunyuan (HF) Tencent Open weights Voice & audio

Lire l'original

Tencent publie le modèle de base open-source AuK pour la génération et l'édition de parole

Tencent a rendu disponible en tant que logiciel open-source son modèle de base AuK 1.5B pour la génération et l'édition de parole, incluant le code et les poids du modèle.

arxiv arXiv cs.LG · il y a 1 j · 1 vue

TontaubeV1 permet la synthèse vocale en streaming avec un contexte borné

Les chercheurs présentent TontaubeV1, un modèle de synthèse vocale qui préserve la prosodie naturelle tout en permettant une inférence en streaming sur un seul GPU grand public. Le système utilise une représentation DualCodec hiérarchique à 12,5 Hz pour séparer les flux sémantiques des raffinements acoustiques, ce qui permet une génération à faible latence.

arxiv arXiv cs.CL · il y a 1 j · 1 vue

TontaubeV1 permet la synthèse vocale en streaming avec un contexte borné

Les chercheurs présentent TontaubeV1, un modèle de synthèse vocale qui préserve une prosodie naturelle tout en permettant une inférence en streaming sur un seul GPU grand public. Le système utilise une représentation DualCodec hiérarchique à 12,5 Hz pour séparer les flux sémantiques des raffinements acoustiques, permettant un décodage causal malgré la nature non causale du codec sous-jacent.

arxiv arXiv cs.CL · il y a 1 j · 3 vues

Rapport technique d'AuK : un modèle fondamental open-source pour la génération et l'édition de parole

Le rapport technique d'AuK présente un modèle fondamental open-source qui unifie la génération et l'édition de parole grâce à des instructions en langage naturel et au contexte audio.

lab Tencent Hunyuan (HF) · il y a 3 j · 7 vues

Tencent publie EVIE-4.5B avec Prefix-MRL dynamique et compression de tokens sans entraînement

Tencent a publié EVIE-4.5B, un modèle de récupération visuelle de documents multilingues haute performance présentant une latence de récupération multivectorielle par préfixe dynamique (Prefix-MRL) et une compression de tokens par regroupement hiérarchique agglomératif (HAC) sans entraînement.