모델 소개
See also the pre-print research paper, the project page, the Colab example, the GitHub repository, and the repository of voices. This is a model for streaming text-to-speech (TTS). Unlike offline text-to-speech, where the model needs the entire text to produce the audio, our model starts to output audio as soon as the first few words from the text have been given as input. This model is actually 1.8B parameters, not 1.6B as the name might suggest. The model architecture is a hierarchical Transformer that consumes tokenized text and generateds audio tokenized by Mimi, see the Moshi paper. The frame rate is 12.5 Hz and each audio frame is represented by 32 audio tokens, although you can use less tokens at inference time for faster generation. The backbone model is 1B parameters, and the depth transformer is 600M parameters and uses partial weight sharing similar to Hibiki. The audio is shifted by 16 steps (1.28 sec.) with respect to the text, and the model uses an acoustic/semantic delay of 2.
주요 특징
特点摘要待依据来源补齐，不凭模型名称推断能力。
한계 및 유의 사항
구체적 한계를 판단할 출처가 부족합니다. 실제 성능, 지연, 데이터 정책, 라이선스와 버전 수명을 확인하세요.
출처별 요금 및 비용 분석
요금은 채널, 지역, 설정에 따라 다릅니다. 각 채널 요금은 개별 표시되며 제공사의 통일 공식 요금이 아닙니다.
| 출처 / 채널 | 입력 | 출력 | 과금 단위 | 수집 시간 |
|---|---|---|---|---|
| 확인된 요금이 없습니다. 출처를 확인하세요. | ||||
월간 기본 토큰 비용 추정
추정치에는 캐시 할인, 구간 요금, 멀티모달 추가 요금, 검색, 세금 및 추가 추론 출력이 포함되지 않습니다.
공개 평가 및 실행 설정
暂无已采集的可核验公开评分。模型未上榜不代表能力较低。
등록된 전체 순위 보기 →자주 묻는 질문
오픈 웨이트면 무료 상업 이용이 가능한가요?
반드시 그렇지는 않습니다. 버전별 라이선스, 상업 이용 조건과 정책을 확인하세요. 자체 배포에는 연산 및 유지 비용도 듭니다.
실시간 결제 요금인가요?
수집 시간이 기록된 요금 스냅샷입니다. 최신 버전, 지역, 할인과 과금 방식은 해당 채널에서 확인하세요.
출처 및 추적 기록
许可证：cc-by-4.0。模型介绍与第三方评测均以原来源的具体版本和方法为准。