Edge0 выпустила открытую TTS-модель Audio8-TTS-Realistic на 0,6 млрд параметров

Edge0 представила Audio8-TTS-Realistic — открытую модель синтеза речи с клонированием голоса по одному референсному клипу и транскрипту. Модель на 601 млн параметров поддерживает 23 языка, веса и код доступны под лицензией Apache 2.0. Средняя ошибка CV3 по 9 языкам — 4,86% против 7,73% у Qwen3-TTS-1.7B.

• 601 млн параметров, клонирование голоса по 1 клипу и транскрипту
• 23 языка, на 12 больше, чем у предшественника
• Ошибка CV3 4,86% по 9 языкам против 7,73% у Qwen3-TTS-1.7B
• Веса и код под Apache 2.0, пик памяти 1,1–1,2 ГиБ на Apple M2