MARS5 TTS

MARS5 TTS's Visión general

MARS5 es un modelo novedoso de síntesis de voz (TTS) en inglés desarrollado por CAMB.AI. Usa un pipeline de dos etapas AR-NAR con un componente NAR único. Con solo 5 segundos de audio y un fragmento de texto, MARS5 puede generar voz para escenarios muy variados, como comentarios deportivos y anime. El modelo permite guiar la prosodia del resultado mediante puntuación y mayúsculas, y la identidad del hablante se puede especificar con un archivo de audio de referencia. MARS5 admite clonación superficial (shallow) y profunda (deep), y esta última requiere la transcripción del prompt. Se puede cargar fácilmente con `torch.hub` y la inferencia se realiza proporcionando el audio de referencia y la transcripción. La configuración por defecto da buenos resultados, pero los parámetros de inferencia se pueden ajustar según el caso de uso. Los checkpoints de MARS5 y los requisitos de hardware están disponibles en el repositorio de GitHub. Las contribuciones para mejorar el modelo son bienvenidas. Ideal para quienes buscan síntesis de voz con clonación de voz en inglés y generación de audio con IA.

MARS5 TTS's Características

• Pipeline de dos etapas AR-NAR

• Guía de prosodia mediante puntuación y mayúsculas

• Especificación de la identidad del hablante

• Clonación superficial y profunda

• Carga sencilla del modelo con `torch.hub`

• Inferencia con audio de referencia y transcripción

• Código abierto con opciones de licencia alternativas

MARS5 TTS's PREGUNTAS Y RESPUESTAS

MARS5 TTS's Precios

MARS5 es de código abierto y está disponible bajo la licencia GNU AGPL 3.0. Para opciones de licencia alternativas, contacta a [email protected]