Phonon TTS 開放權重:端側語音模型,31m 英文版 Apache 2.0 可商用
文字全程留在裝置端、無需網路,支援英法德西葡五語與語音克隆,上線兩週下載逾20萬次。
HuggingFace Blog一手來源
45 則值得知道的變化
文字全程留在裝置端、無需網路,支援英法德西葡五語與語音克隆,上線兩週下載逾20萬次。
在 196 人、五個美國研究點的前瞻性研究中,該系統以 24 小時動態血壓監測為基準;確認性篩檢子集的 PPV 達 96.7%,與多日居家監測相當。
相較 1.1 版,影片長度由 10 秒延長至 15 秒,角色與品牌元素一致性提升,並可逐輪修改同一片段而無需重新生成。
四款皆為 Cosmos 3 Nano 的後訓練版本、各 16B 可訓練參數,採 OpenMDW1.1 授權,允許商用與非商用使用。
影片長度上限由 10 秒延長至 15 秒,720p 每秒收費降至 0.07 美元,並可透過連續對話逐步修改已生成的片段。
Muse Voice 支援與 AI 代理即時語音與視訊通話,核心為新推出的 Muse Realtime Avatar 與 Muse Realtime Voice 模型,目前支援手機、網頁與 Mac,AI 眼鏡稍後加入。