โมเดล Text-to-Speech ภาษาอังกฤษขนาด 4.5M พารามิเตอร์ที่ทำงานบนเบราว์เซอร์หรือมือถือได้
tiny-voca เป็นโมเดล AI ประเภท Text-to-Speech สำหรับภาษาอังกฤษที่มีขนาดเล็ก โดยมีพารามิเตอร์ทั้งหมด 4,537,291 ตัว โมเดลนี้ถูกฝึกมาจากชุดข้อมูลเสียงสังเคราะห์ความยาวประมาณ 18 ชั่วโมง และมีเสียงให้เลือกใช้งาน 2 เสียง ได้แก่ F2 ซึ่งเป็นเสียงผู้หญิง และ M2 ซึ่งเป็นเสียงผู้ชายแบบ American English
การทำงานของโมเดลจะเริ่มจากการแปลงข้อความให้เป็น phonemes ร่วมกับค่า stress ผ่านเครื่องมือ phonemizer จากนั้นตัว transformer encoder จะอ่านข้อมูลดังกล่าวเพื่อคาดการณ์ความยาว ระยะเวลา พลังงาน และระดับเสียง ก่อนจะส่งต่อไปยังตัวสร้างคลื่นเสียงแบบ source-filter synthesizer ที่สร้างรูปคลื่นเสียงความถี่ 24 kHz mono ออกมา
โปรเจกต์นี้ได้รับความสนใจสูงบน Hugging Face ด้วยยอดดาวน์โหลด 3,042 ครั้ง และยอดถูกใจ 222 ครั้ง รวมถึงติดอันดับ #11 ในหน้ากำลังมาแรง นอกจากนี้ ในตารางคะแนน Open TTS Leaderboard (ณ วันที่ 16 พฤศจิกายน 2026) เสียง M2 อยู่อันดับที่ 8 และเสียง F2 อยู่อันดับที่ 13 จากโมเดลที่ร่วมแข่งขันทั้งหมด โดยเป็นโมเดลที่ทำงานบน CPU เท่านั้น
✨ จุดเด่น
- ขนาดเล็กกะทัดรัด — โมเดลมีพารามิเตอร์รวม 4.5M และไฟล์น้ำหนักขนาด 18.2 MB สำหรับ PyTorch
- ทำงานได้รวดเร็ว — ทำงานเร็วกว่าเวลาจริงประมาณ 70 เท่า บนซีพียู 4 เธรด
- รองรับการใช้งานหลากหลาย — สามารถรันผ่าน PyTorch, แปลงเป็น ONNX หรือทดลองใช้งานบนเบราว์เซอร์ได้
- เปิดให้ใช้งานฟรี — เผยแพร่ภายใต้ไลเซนส์ Apache-2.0
🙋 ใครเหมาะจะลอง: เหมาะสำหรับนักพัฒนาหรือผู้ที่สนใจทดลองโมเดล AI แปลงข้อความ เป็นเสียงพูดขนาดเล็ก สามารถทดลองใช้งานผ่านหน้าเว็บ Hugging Face Spaces หรือนำโค้ดไปรันผ่าน Python และ ONNX ได้ทันที
ทีมข่าว เอไอไทย.com · เรียบเรียงจากหน้าโปรเจกต์ n4ze3m/tiny-voca — รายละเอียดล่าสุดดูที่ต้นทาง
ความคิดเห็น 0
กำลังโหลดความคิดเห็น...