media Hugging Face Forums · il y a 1 j · source : il y a 3 j · open_models

F-0310 fournit une inférence locale autonome pour XTTS-v2 et Qwen 2.5 sur Windows

Traduit de English → Français

Un utilisateur a publié F-0310, un wrapper sans dépendances qui permet le déploiement entièrement local de Coqui XTTS-v2 et Qwen 2.5 sur Windows sans nécessiter d'API cloud.

Le système intègre Qwen 2.5 pour exécuter des garde-fous de sécurité locaux avant de transmettre les prompts au moteur de synthèse vocale. Il utilise Coqui XTTS-v2 pour le clonage vocal zero-shot haute fidélité et inclut des scripts .bat automatisés pour la configuration d'un environnement isolé. De plus, il dispose de la détection dynamique du matériel pour basculer entre les backends d'exécution NVIDIA CUDA 12.1, AMD DirectML, Intel Iris/Arc ou le fallback CPU.

Cette configuration permet aux utilisateurs d'effectuer une imitation vocale hors ligne illimitée en contournant les limites mensuelles d'utilisation et de caractères associées aux services cloud.

Importance 1/3 Confiance 1/3 Hugging Face Forums Local inference Voice & audio

Lire l'original

F-0310 fournit une inférence locale autonome pour XTTS-v2 et Qwen 2.5 sur Windows

Un nouveau wrapper de déploiement sans dépendance nommé F-0310 permet une inférence entièrement locale et hors ligne pour Coqui XTTS-v2 et Qwen 2.5 sur Windows sans nécessiter d'API cloud.

github llama.cpp · il y a 37 j · 36 vues

llama.cpp b10270 ajoute le support de Qwen3-TTS avec des changements cassants pour llama-tts

Le projet llama.cpp a publié la version b10270, introduisant le support pour le modèle Qwen3-TTS. Cette mise à jour inclut un changement cassant pour le binaire llama-tts et implémente des modifications architecturales significatives pour gérer le nouveau flux de travail de synthèse vocale.

media Hugging Face Forums · il y a 6 h

Aiden propose de séparer la voix en temps réel et l'exécution des tâches dans des modèles distincts

Aiden décrit une architecture pour les agents qui nécessite une conversation vocale full-duplex ainsi qu'un raisonnement visuel complexe et des actions sur le dispositif, évitant ainsi la limitation d'un modèle unique gérant les deux. La solution divise les responsabilités : un modèle de voix en temps réel gère la conversation tandis qu'un modèle séparé et plus puissant exécute les tâches en arrière-plan, en se coordonnant de manière asynchrone via une file d'attente de tâches.

media MarkTechPost · il y a 1 j · 2 vues

Gradium lance Voice Design pour générer des voix synthétiques à partir de prompts textuels

L'entreprise parisienne d'IA vocale Gradium a lancé Voice Design, une fonctionnalité qui génère de nouvelles voix synthétiques à partir de descriptions écrites sans nécessiter d'audio de référence. L'outil est désormais disponible dans l'API et Studio de Gradium pour cinq langues.

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.