शोधकर्ताओं ने Freya-TTS का परिचय दिया, जो तुर्की के लिए अनुकूलित एक कॉम्पैक्ट, टोकनाइज़र-मुक्त टेक्स्ट-टू-स्पीच मॉडल है जो Freya-TR-Eval बेंचमार्क पर 8.0% शब्द त्रुटि दर (WER) प्राप्त करता है। 183.2M पैरामीटर वाले नॉन-ऑटोरेग्रेसिव कंडीशनल फ्लो-मैचिंग डिफ्यूजन ट्रान्सफॉर्मर AudioVAE2 के फ्रोजन कंटिन्यूअस लैटेंट स्पेस में काम करता है, जिससे बिना फोनमाइज़र या डिसक्रिट स्पीच टोकनाइजर के 48 kHz रिकंस्ट्रक्शन उच्च गुणवत्ता प्राप्त होता है।
- नियम-मुक्त एंड-टू-एंड मॉडलिंग के लिए 92-प्रतीक तुर्की वर्णमाला शब्दावली का उपयोग करता है।
- पूरे लैटेंट सीक्वेंस को एक साथ पूर्वानुमानित करने के लिए नॉन-ऑटोरेग्रेसिव पैरलल डीनोइजिंग का उपयोग करता है।
- सिंगल-स्पीकर वॉयस लॉकिंग और शॉर्ट-अटरेंस कवरेज वाले दो-चरण के पोस्ट-ट्रेनिंग रेसिपी का उपयोग करता है।
- उपभोक्ता GPUs पर 0.11 का रियल-टाइम फैक्टर प्राप्त करता है और लैपटॉप CPUs पर रियल-टाइम से तेज़ चलता है।
मॉडल को Apache-2.0 लाइसेंस के तहत जारी किया गया है, जो सीमित संसाधनों वाले एज डेप्लॉयमेंट के लिए उपयुक्त कुशल कन्वर्सेशनल सिंथेसिस प्रदान करता है।