A Hugging Face lança o Phonon, modelo de voz que roda no dispositivo
🎧 Ouça esta notícia
A Hugging Face lançou o Phonon, um modelo de conversão de texto em fala que roda em celulares, laptops, computadores de placa única e navegadores, sem enviar o texto a um servidor. Segundo a empresa, os modelos têm cerca de 65 MB e 75 MB, falam inglês, francês, alemão, espanhol e português e incluem mais de 100 vozes. Também há suporte a clonagem e criação de vozes personalizadas pelo Gradium Studio.
O Phonon 31m cobre inglês sob licença Apache 2.0, inclusive para produtos comerciais, enquanto o Phonon 40m cobre os cinco idiomas sob licença não comercial. A Hugging Face afirma que o modelo teve mais de 200 mil downloads nas duas primeiras semanas. O lançamento inclui integração com Transformers e demonstrações de uso offline em relógios, celulares, jogos, navegadores e outros projetos.
Por que importa · interpretação editorial
O lançamento oferece uma alternativa para incorporar síntese de voz em dispositivos e navegadores sem enviar o texto a um servidor, o que pode ser relevante para experiências offline. As licenças diferentes também tornam a escolha do modelo importante: o Phonon 31m permite produtos comerciais, enquanto o 40m é apenas não comercial, segundo a Hugging Face.