Vai al contenuto principale
← Torna alle notizie

Block presenta Dessa, il modello vocale addestrato da zero sulle conversazioni umane

Nuovi modelli
Fonte:Block
Block presenta Dessa, un modello vocale addestrato da zero su conversazioni umane. L'azienda lo usa già per il supporto telefonico: un caso studio su quanto suona naturale un TTS/STT non fine-tunato su un grande modello esistente.
Leggi l'articolo originale

Articoli correlati

La voce locale: da Whisper al text-to-speech

Come costruire una pipeline di voce completamente locale: trascrizione con Whisper, sintesi con Piper o Kokoro-82M, requisiti hardware e casi d'uso pratici.

Ricevi il prossimo punto sull'IA locale

Ogni settimana, la selezione del meglio di iaLocale: articoli, notizie e risorse sull'IA locale, e altro ancora.

Dopo l'iscrizione ricevi una email di conferma (double opt-in). Senza conferma non inviamo nulla. Nessuno spam, ti promettiamo.

Risorse correlate

Strumenti e risorse dell'archivio iaLocale pertinenti a questo contenuto.

🗣️

Piper TTS

Inferenza

Sintesi vocale in locale a bassa latenza basata su ONNX: genera parlato naturale da testo in tempo quasi reale, anche su CPU. Multilingue (italiano incluso) e facile da integrare nei pipeline: download del modello, una riga di comando. MIT.

🎙️

speech-swift (Kyutai STT)

Software

Runtime Swift/MLX per il riconoscimento vocale in streaming di Kyutai su Apple Silicon. Il checkpoint di riferimento è STT-1B (inglese e francese) in INT8/FP16, con encoder Mimi causale (32 codici audio ogni 80 ms). Supporta export INT4/INT8. Licenza dei pesi CC-BY-4.0.

🎵

Kokoro-82M

Modelli

Modello di sintesi vocale da 82M di parametri su architettura VITS, Apache-2.0 per i pesi, con voci in decine di lingue e qualità sorprendentemente alta per le dimensioni. Gira in modo efficiente anche solo su CPU.

🗣️

NVIDIA MagpieTTS Multilingual 357M

Modelli

Modello di sintesi vocale multilingue di NVIDIA: 357M parametri, 12 lingue (italiano e francese inclusi), architettura encoder-decoder transformer. Compatto e pensato per esecuzione in locale a bassa latenza; pesi disponibili su Hugging Face.

Sfoglia tutte le risorse