연구자들은 터키어에 최적화된 컴팩트한 토크나이저 없는 텍스트 음성 변환(TTS) 모델인 Freya-TTS를 소개했으며, Freya-TR-Eval 벤치마크에서 8.0%의 단어 오류율(WER)을 달성했습니다. 1억 8320만 파라미터의 비자기회귀 조건 흐름 매칭 Diffusion Transformer는 AudioVAE2의 고정된 연속 잠재 공간에서 작동하며, 음소 분할기나 이산 음성 토크나이저 없이 48 kHz 고품질 복원을 가능하게 합니다.

  • 규칙 없는 엔드투엔드 모델링을 위해 92개 기호의 터키어 문자 어휘 사용.
  • 비자기회귀 병렬 디노이징을 통해 잠재 시퀀스 전체를 동시에 예측.
  • 단일 화자 음성 고정 및 단발화 커버리지를 포함한 두 단계 사후 학습 레시피 활용.
  • 소비자용 GPU에서 실시간 계수 0.11 달성, 노트북 CPU에서는 실시간보다 빠르게 실행.

이 모델은 Apache-2.0 라이선스 하에 공개되었으며, 자원 제약이 있는 에지 배포에 적합한 효율적인 대화형 합성을 제공합니다.