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

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

Traduit de English → Français

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.

Prend en charge la synthèse vocale zero-shot et basée sur des instructions, l'édition de contenu et acoustique, l'édition paralinguistique, l'amélioration de la parole et la séparation de sources via une interface unifiée en langage naturel.
Inclut AuK-Flash, une variante distillée en 4 étapes pour une inférence plus rapide.
Utilise le modèle Qwen2.5-Omni-3B comme encodeur MLLM.
Publié sous la licence MIT avec les poids disponibles sur Hugging Face et ModelScope.

Cette publication permet aux chercheurs et développeurs d'accéder au modèle de base et aux variantes distillées pour diverses tâches de traitement audio.

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

Lire l'original

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

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.

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.