Phonon TTS 发布两周回顾:端侧语音模型在 Open TTS Leaderboard 上的表现
Phonon 团队回顾两周前开源的端侧 TTS 模型,介绍其能力、演示项目以及在 Hugging Face Open TTS Leaderboard 上的成绩。
推荐理由:原文给出 Phonon 在 Open TTS Leaderboard 上的分语言排名与 CPU 首音延迟表现,可对照端侧语音模型的取舍。
技术方向
直接跑在手机、电脑等设备上的 AI:小模型、在本机运行模型的工具与端侧芯片。
3 条精选近 30 天 3 条共收录 45 条
Phonon 团队回顾两周前开源的端侧 TTS 模型,介绍其能力、演示项目以及在 Hugging Face Open TTS Leaderboard 上的成绩。
推荐理由:原文给出 Phonon 在 Open TTS Leaderboard 上的分语言排名与 CPU 首音延迟表现,可对照端侧语音模型的取舍。
NVIDIA 为 RTX Spark Windows 轻薄本带来一批更新,包括开放权重的语音模型 Nemotron 3.5 Transcribe、NVIDIA App 中在前台应用与后台智能体之间分配 GPU 资源的控制项,以及 Liquid AI LFM3 模型家族的 day-zero 支持。
推荐理由:原文列出 RTX Spark 笔记本在语音模型、GPU 资源分配和游戏支持上的具体更新,可据此判断本地 AI 工作流的变化。
Liquid AI 发布 LFM3 新一代 Liquid Foundation Models,六个 2B 级模型(文本、视觉、音频、全模态、两个决策模型)全部从 LFM3-1.7B-Base 分支而来,并已在 Hugging Face 开源权重。
推荐理由:Liquid AI 用一套 2B 级共享骨干覆盖文本、视觉、音频和决策模型,读者可据此比较端侧多模态路线的取舍。