01 क्या हुआ
Gradium ने Phonon जारी किया है, जो एक कॉम्पैक्ट टेक्स्ट-टू-स्पीच (TTS) मॉडल है जो पूरी तरह से उपयोगकर्ता के डिवाइस पर चलता है और इसे किसी सर्वर या इंटरनेट कनेक्शन की आवश्यकता नहीं होती। यह मॉडल दो आकारों (लगभग 65 MB और 75 MB) में उपलब्ध है, अंग्रेज़ी, फ्रेंच, जर्मन, स्पेनिश और पुर्तगाली भाषाओं को सपोर्ट करता है, इसमें 100 से अधिक बिल्ट-इन आवाज़ें शामिल हैं, और Gradium Studio के माध्यम से वॉइस क्लोनिंग और कस्टम वॉइस डिज़ाइन की सुविधा देता है।
02 मुख्य विवरण
- Phonon पूरी तरह से डिवाइस पर चलता है — कोई सर्वर या नेटवर्क नहीं, और इनपुट टेक्स्ट डिवाइस पर ही रहता है।
- Phonon 31m (केवल अंग्रेज़ी) Apache 2.0 लाइसेंस के तहत जारी किया गया है, जो व्यावसायिक उत्पादों में निःशुल्क उपयोग की अनुमति देता है।
- Phonon 40m (सभी पाँच भाषाएँ) CC BY-NC लाइसेंस के तहत है; व्यावसायिक लाइसेंसिंग वॉइस वॉल्यूम के बजाय उपयोगकर्ताओं की संख्या पर आधारित है।
- Hugging Face Open TTS लीडरबोर्ड पर Phonon जर्मन और स्पेनिश स्पष्टता में प्रथम स्थान पर है और CPU स्ट्रीमिंग बेंचमार्क में पहली ऑडियो आउटपुट की गति में अग्रणी है।
- 🤗 Transformers v5.21 से रेफरेंस PyTorch इम्प्लीमेंटेशन के रूप में उपलब्ध है, और इसके लिए समर्पित ptts इन्फरेंस फ्रेमवर्क है जो 10 से अधिक हार्डवेयर बैकएंड को सपोर्ट करता है।
03 यह क्यों महत्वपूर्ण है
Phonon क्लाउड-आधारित TTS की गोपनीयता और विलंबता समस्याओं को हल करता है, क्योंकि यह डेटा को डिवाइस पर रखता है और साथ ही अपने से कई गुना बड़े मॉडलों की गुणवत्ता से मेल खाता है या उनसे बेहतर प्रदर्शन करता है।
04 किनके लिए महत्वपूर्ण है
वॉइस एप्लिकेशन डेवलपर्स, सीमित संसाधन उपकरण निर्माता और वाक् संश्लेषण में गोपनीयता को महत्व देने वाले उपयोगकर्ता.