MARS5 TTSओपन-सोर्स, बेहद प्रोसोदिक टेक्स्ट-टू-स्पीच मॉडल

MARS5 TTS: उन्नत प्रोसोडी के साथ टेक्स्ट-टू-स्पीच को बदलना

परिचय

CAMB.AI द्वारा MARS5 TTS एक अत्याधुनिक टेक्स्ट-टू-स्पीच मॉडल है जिसे अत्यधिक प्राकृतिक और प्रोसोदिक रूप से समृद्ध भाषण उत्पन्न करने के लिए डिज़ाइन किया गया है। एक नए दो-चरण वाले AR-NAR पाइपलाइन का लाभ उठाते हुए, MARS5 विभिन्न और चुनौतीपूर्ण परिदृश्यों के लिए भाषण का उत्पादन करने में उत्कृष्टता प्राप्त करता है।

प्रमुख विशेषताएँ

• उन्नत प्रोसोडी: प्राकृतिक स्वर और लय के साथ भाषण उत्पन्न करता है।
• दो-चरण पाइपलाइन: उच्च-गुणवत्ता वाले आउटपुट के लिए ऑटोरेग्रेसिव और नॉन-ऑटोरेग्रेसिव मॉडल को जोड़ता है।
• न्यूनतम इनपुट आवश्यकता: केवल 5 सेकंड ऑडियो और एक टेक्स्ट स्निपेट की आवश्यकता होती है।
• कस्टमाइजेबल आउटपुट: विराम चिह्न और कैपिटलाइजेशन के साथ प्रोसोडी को नियंत्रित करें।
• डीप क्लोनिंग: स्पीकर पहचान के लिए संदर्भ ट्रांसक्रिप्ट के साथ बेहतर गुणवत्ता।

उपयोग के मामले

• खेल कमेंट्री: गतिशील और आकर्षक खेल कमेंट्री उत्पन्न करें।
• एनीमे डबिंग: एनीमे के लिए अभिव्यंजक और चरित्र-विशिष्ट आवाजें बनाएं।
• वॉयस क्लोनिंग: उच्च निष्ठा के साथ विभिन्न अनुप्रयोगों के लिए आवाजों का क्लोन बनाएं।
• इंटरैक्टिव वॉयस रिस्पांस (IVR): प्राकृतिक-ध्वनि वाले स्वचालित प्रतिक्रियाओं के साथ ग्राहक सेवा में सुधार करें।
• ऑडियोबुक नेरेशन: पेशेवर-गुणवत्ता वाले ऑडियोबुक नेरेशन का उत्पादन करें।

मूल्य निर्धारण

MARS5 TTS GNU AGPL 3.0 लाइसेंस के तहत ओपन-सोर्स है। वाणिज्यिक पूछताछ के लिए या क्लोज्ड-सोर्स संस्करण के लिए लाइसेंस प्राप्त करने के लिए, कृपया [email protected] से संपर्क करें।

टीमें

CAMB.AI विशेषज्ञों की एक वैश्विक रूप से वितरित टीम है, जिसमें Interspeech-प्रकाशित शोधकर्ता और कार्नेगी मेलॉन के पूर्व Siri इंजीनियर शामिल हैं। हम भाषण संश्लेषण तकनीक को आगे बढ़ाने के लिए समर्पित हैं और सक्रिय रूप से काम पर रख रहे हैं। इच्छुक उम्मीदवार अधिक जानकारी के लिए [email protected] तक पहुँच सकते हैं।

प्रतिक्रिया, सुझाव या प्रश्न साझा करने के लिए हमारे फोरम और Discord पर हमारे समुदाय में शामिल हों। हमारे काम को जारी रखने में हमारी मदद करने के लिए Ko-fi पर हमें समर्थन करें ताकि हर किसी की आवाज मायने रखे।