Supertonic 3 - เปิดตัว TTS แบบออนดีไวซ์ที่มีน้ำหนักเบามาก รองรับ 31 ภาษาและแท็กอารมณ์

• รองรับ 31 ภาษา รวมภาษาเกาหลี
• รองรับ แท็กอารมณ์ ใหม่: สามารถแทรกแท็ก 10 ประเภท เช่น <laugh>, <breath>, <scream> ลงในข้อความเพื่อแสดงอารมณ์ได้
• ปรับปรุงคุณภาพ: เพิ่มความแม่นยำในการออกเสียง ลดปัญหาการพูดซ้ำ/ข้ามคำ และปรับปรุงประสิทธิภาพการโคลนเสียง
• ขนาดโมเดล: 99M Parameters
• TTS แบบออนดีไวซ์: รับประกันความเป็นส่วนตัวอย่างสมบูรณ์, ไม่มีความหน่วงจากเครือข่าย
• ความสะดวกในการนำไปใช้งาน: สามารถรันได้บนเบราว์เซอร์, PC, มือถือ, Raspberry Pi เป็นต้น
• มีเสียงพรีเซ็ตให้ 10 แบบ
• โมเดลเปิด: ใช้งานเชิงพาณิชย์ได้ (OpenRAIL-M)

---

• Demo: https://huggingface.co/spaces/Supertone/supertonic-3

• Model: https://huggingface.co/Supertone/supertonic-3

• Code: https://github.com/supertone-inc/supertonic

• Listen Samples: https://supertonic3.github.io/

[netcleaner]

สงสัยว่าเมื่อเทียบกับพรีเซ็ต 10 แบบแล้ว การสร้างเสียงของตัวเองจะยากไหม

[hshim]

เมื่อเทียบกับโมเดลขนาดเล็กตัวอื่น ๆ แล้ว ถือว่าเสถียรพอสมควรเลยครับ

[greekr4]

โอ้ ต้องลองทดสอบบน Pi 5 ดูแล้ว

[dbs0829]

ผมใช้งาน supertonic อยู่ในโฮมเอเจนต์อยู่แล้ว ของเดิมก็ไม่ได้แย่อะไร แต่มีอัปเดตแล้วสินะ คงต้องลองทดสอบดูหน่อยครับ