Freya-TTS merilis model TTS Turki tanpa tokenizer dengan WER 8,0%

Para peneliti memperkenalkan Freya-TTS, model text-to-speech yang ringkas dan bebas tokenizer, dioptimalkan untuk bahasa Turki yang mencapai tingkat kesalahan kata (WER) 8,0% pada benchmark Freya-TR-Eval. Diffusion Transformer pencocokan aliran kondisional non-autoregresif dengan 183,2 juta parameter beroperasi di ruang laten kontinu AudioVAE2 yang dibekukan, memungkinkan rekonstruksi berkualitas tinggi 48 kHz tanpa fonemizer atau tokenizer ucapan diskrit.

• Menggunakan kosakata karakter Turki 92 simbol untuk pemodelan end-to-end bebas aturan.
• Menerapkan denoising paralel non-autoregresif untuk memprediksi seluruh urutan laten secara bersamaan.
• Memanfaatkan resep pasca-pelatihan dua tahap yang melibatkan penguncian suara pembicara tunggal dan cakupan ucapan pendek.
• Mencapai faktor waktu nyata 0,11 pada GPU konsumen dan berjalan lebih cepat dari waktu nyata pada CPU laptop.

Model ini dirilis di bawah lisensi Apache-2.0, menawarkan sintesis percakapan yang efisien yang cocok untuk deployment edge dengan sumber daya terbatas.