lab Tencent Hunyuan (HF) · 1 hari lalu · releases

Tencent merilis AuK-Flash open-source, model generasi suara distilasi 1.5B

Diterjemahkan dari English → Bahasa Indonesia

Tencent telah membuat model dasar AuK untuk generasi dan pengeditan suara tersedia sebagai sumber terbuka, termasuk kode dan bobot di Hugging Face dan ModelScope. Rilis ini mencakup AuK-Flash, varian distilasi yang dirancang untuk inferensi cepat dengan hanya 4 langkah.

AuK adalah model 1.5B yang dilatih pada jutaan jam data audio.
Mendukung TTS zero-shot, pengeditan konten dan akustik, pengeditan paralinguistik, peningkatan suara, dan pemisahan sumber melalui instruksi bahasa alami.
Repositori menyediakan bobot resmi untuk model dasar maupun varian cepat AuK-Flash.
Contoh instalasi dan penggunaan disediakan untuk platform Hugging Face dan ModelScope.

Rilis ini memungkinkan pengembang mengakses antarmuka terpadu untuk berbagai tugas suara melalui lisensi MIT.

Kepentingan 1/3 Kepercayaan 1/3 Tencent Hunyuan (HF) Tencent Open weights Voice & audio

Baca aslinya

Tencent merilis model dasar AuK open-source untuk generasi dan pengeditan suara

Tencent telah membuat model dasar AuK 1.5B-nya untuk generasi dan pengeditan suara tersedia sebagai perangkat lunak open-source, termasuk kode dan bobot model.

arxiv arXiv cs.LG · 1 hari lalu · 1 tayangan

TontaubeV1 memungkinkan streaming teks-ke-suara dengan konteks terbatas

Para peneliti menyajikan TontaubeV1, sebuah model teks-ke-suara yang mempertahankan prosodi alami sambil memungkinkan inferensi streaming dari satu GPU konsumen. Sistem ini menggunakan representasi Hierarki DualCodec pada 12.5 Hz untuk memisahkan aliran semantik dari penyempurnaan akustik, sehingga memungkinkan generasi dengan latensi rendah.

arxiv arXiv cs.CL · 1 hari lalu · 1 tayangan

TontaubeV1 memungkinkan streaming teks-ke-suara dengan konteks terbatas

Para peneliti menyajikan TontaubeV1, sebuah model teks-ke-suara yang mempertahankan prosodi alami sambil memungkinkan inferensi streaming dari satu GPU konsumen. Sistem ini menggunakan representasi DualCodec hierarkis pada 12.5 Hz untuk memisahkan aliran semantik dari penyempurnaan akustik, memungkinkan dekode kausal meskipun sifat dasar codec tersebut nonkausal.

arxiv arXiv cs.CL · 1 hari lalu · 3 tayangan

Laporan Teknis AuK: Model Fondasional Sumber Terbuka untuk Generasi dan Pengeditan Ucapan

Laporan teknis AuK memperkenalkan model fondasional sumber terbuka yang menyatukan generasi dan pengeditan ucapan melalui instruksi bahasa alami dan konteks audio.

lab Tencent Hunyuan (HF) · 3 hari lalu · 7 tayangan

Tencent merilis EVIE-4.5B dengan Prefix-MRL dinamis dan kompresi token tanpa pelatihan

Tencent telah merilis EVIE-4.5B, model pengambilan dokumen visual multibahasa berkinerja tinggi yang menampilkan Prefix-Multivector Retrieval Latency (Prefix-MRL) dinamis dan kompresi token Hierarchical Agglomerative Clustering (HAC) tanpa pelatihan.