MARS5 TTS

MARS5 TTS's Visão geral

MARS5 é um novo modelo de síntese de fala (TTS) em inglês desenvolvido pela CAMB.AI. Ele usa um pipeline de duas etapas AR-NAR com um componente NAR exclusivo. Com apenas 5 segundos de áudio e um trecho de texto, o MARS5 consegue gerar fala para cenários variados, como narração esportiva e animes. O modelo pode ser direcionado com pontuação e capitalização para guiar a prosódia da saída. A identidade do falante pode ser especificada por meio de um arquivo de áudio de referência. O MARS5 suporta clonagem rasa (shallow) e profunda (deep), sendo que a profunda exige a transcrição do prompt. Ele pode ser carregado facilmente com `torch.hub`, e a inferência é feita fornecendo o áudio de referência e a transcrição. As configurações padrão já entregam bons resultados, mas os parâmetros de inferência podem ser ajustados para casos de uso específicos. Os checkpoints do MARS5, junto com os requisitos de hardware, estão disponíveis no repositório do GitHub. Contribuições para melhorar o modelo são bem-vindas.

MARS5 TTS's Características

• Pipeline de duas etapas AR-NAR

• Prosódia guiada por pontuação e capitalização

• Especificação da identidade do falante

• Clonagem rasa e profunda

• Carregamento fácil do modelo com `torch.hub`

• Inferência com áudio de referência e transcrição

• Open-source com opções de licenciamento alternativas

MARS5 TTS's PERGUNTAS E RESPOSTAS

MARS5 TTS's Preços

O MARS5 é open-source e disponibilizado sob a licença GNU AGPL 3.0. Para opções de licenciamento alternativas, entre em contato pelo e-mail help@camb.ai