media Hugging Face Forums · 1 hari lalu · sumber: 3 hari lalu · open_models

F-0310 menyediakan inferensi lokal mandiri untuk XTTS-v2 dan Qwen 2.5 di Windows

Diterjemahkan dari English → Bahasa Indonesia

Seorang pengguna telah merilis F-0310, sebuah wrapper tanpa dependensi yang memungkinkan penyebaran sepenuhnya secara lokal dari Coqui XTTS-v2 dan Qwen 2.5 di Windows tanpa memerlukan API cloud.

Sistem ini mengintegrasikan Qwen 2.5 untuk menjalankan pagar keamanan lokal sebelum meneruskan prompt ke mesin sintesis suara. Sistem ini memanfaatkan Coqui XTTS-v2 untuk kloning suara zero-shot beresolusi tinggi dan menyertakan skrip .bat otomatis untuk pengaturan lingkungan terisolasi. Selain itu, sistem ini memiliki deteksi perangkat keras dinamis untuk beralih antara backend eksekusi NVIDIA CUDA 12.1, AMD DirectML, Intel Iris/Arc, atau fallback CPU.

Pengaturan ini memungkinkan pengguna melakukan imitasi suara offline tanpa batas sambil melewati batas penggunaan bulanan dan karakter yang terkait dengan layanan cloud.

Kepentingan 1/3 Kepercayaan 1/3 Hugging Face Forums Local inference Voice & audio

Baca aslinya

F-0310 menyediakan inferensi lokal mandiri untuk XTTS-v2 dan Qwen 2.5 di Windows

Sebuah wrapper deployment baru tanpa dependensi bernama F-0310 memungkinkan inferensi sepenuhnya lokal, offline untuk Coqui XTTS-v2 dan Qwen 2.5 di Windows tanpa memerlukan API cloud.

github llama.cpp · 37 hari lalu · 36 tayangan

llama.cpp b10270 menambahkan dukungan Qwen3-TTS dengan perubahan pemecah pada llama-tts

Proyek llama.cpp merilis versi b10270, memperkenalkan dukungan untuk model Qwen3-TTS. Pembaruan ini mencakup perubahan pemecah pada biner llama-tts dan mengimplementasikan modifikasi arsitektur signifikan untuk menangani alur kerja teks-ke-suara baru.

media Hugging Face Forums · 6 jam lalu

Aiden mengusulkan pemisahan suara real-time dan eksekusi tugas ke model terpisah

Aiden menggambarkan arsitektur untuk agen yang memerlukan percakapan suara full-duplex bersama dengan penalaran visual kompleks dan tindakan perangkat, menghindari keterbatasan satu model yang menangani keduanya. Solusi membagi tanggung jawab: model suara real-time mengelola percakapan sementara model terpisah yang lebih kuat mengeksekusi tugas latar belakang, berkoordinasi secara asinkron melalui antrian tugas.

media MarkTechPost · 1 hari lalu · 2 tayangan

Gradium meluncurkan Voice Design untuk menghasilkan suara sintetis dari prompt teks

Perusahaan AI suara asal Paris, Gradium, telah meluncurkan Voice Design, sebuah fitur yang menghasilkan suara sintetis baru dari deskripsi tertulis tanpa memerlukan audio referensi. Alat ini kini tersedia di API dan Studio Gradium dalam lima bahasa.

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.