Голосовая модель Tontaube V1.1 работает на обычном процессоре
Слушать аудиокниги теперь можно без мощной видеокарты. Новая версия модели Tontaube V1.1 позволяет генерировать длинные тексты даже на десктопном процессоре.
Модель Tontaube V1.1 создана для генерации длинных аудиозаписей, таких как статьи или аудиокниги. Она поддерживает клонирование голоса по образцу от 5 секунд до минуты. Главное изменение в этой версии заключается в доступности. Если раньше для работы требовалось много видеопамяти, то 4-битная версия теперь потребляет около 4 ГБ VRAM.
Это позволяет запускать процесс в реальном времени на обычном 12-ядерном процессоре, например Ryzen 9 5900X. Для работы достаточно оперативной памяти с поддержкой AVX2. Вместо сложных настроек разработчики добавили пять ползунков для управления стилем. Можно менять скорость речи, паузы, интонацию, высоту голоса и чёткость артикуляции.
Это значит, что звук начинает звучать почти сразу, через 190 миллисекунд после запроса. По сути, это готовый инструмент для создания озвучки на домашнем ПК. В режиме чтения аудиокниг модель показывает себя лучше всего, хотя разговорный стиль может быть менее стабильным. Для работы на Linux требуется около 9 ГБ свободного места под среду Python и загрузка моделей.
Windows поддерживается через WSL2, но macOS и графические процессоры AMD или Intel пока не подходят. Для тех, кто занимается озвучкой контента или создаёт голосовых агентов, это значит, что профессиональный инструмент теперь требует меньше железа. Вместо покупки дорогой видеокарты можно использовать текущий компьютер.
Что поменялось
4-битная версия модели теперь работает на десктопном процессоре в реальном времени и требует около 4 ГБ видеопамяти.
Текст подготовила языковая модель по материалам источников.

