Kyutai가 CPU에서 구동되는 텍스트 음성 변환(text to speech) 모델을 조용히 공개했습니다.

1억 개의 파라미터. GPU 불필요. API 비용 제로.
기존 병목 현상을 완전히 우회합니다.
→ Mac에서 실시간보다 6배 빠름
→ 첫 오디오 청크까지의 지연 시간(latency) 약 200ms
→ 단 5초 분량의 오디오만으로 음성 복제(Voice cloning)
→ 기본적으로 6개 언어 지원

100% 무료. MIT 라이선스. 공개 데이터로만 학습됨.

음성 복제가 서버에 전혀 의존하지 않는 노트북 기능이 되었습니다.

이 글을 북마크하세요. @cyrilXBT 팔로우