MARS5 TTS

MARS5 TTS's Übersicht

MARS5 ist ein neuartiges englisches Sprachmodell (TTS) von CAMB.AI. Es nutzt eine zweistufige AR-NAR-Pipeline mit einer einzigartigen NAR-Komponente. Schon mit nur 5 Sekunden Audio und einem kurzen Textausschnitt kann MARS5 Sprache für vielfältige Szenarien erzeugen, etwa Sportkommentare oder Anime. Die Prosodie lässt sich über Satzzeichen und Groß- und Kleinschreibung steuern. Die Sprecheridentität kann über eine Audio-Referenzdatei festgelegt werden. MARS5 unterstützt sowohl Shallow- als auch Deep Cloning, wobei für Deep Cloning das Prompt-Transkript erforderlich ist. Das Modell lässt sich einfach über `torch.hub` laden, und die Inferenz erfolgt durch Übergabe von Referenzaudio und Transkript. Die Standardeinstellungen liefern gute Ergebnisse, die Inferenz-Parameter lassen sich aber für spezielle Anwendungsfälle feinabstimmen. Die MARS5-Checkpoints sowie die benötigten Hardwareanforderungen findest du im GitHub-Repository. Beiträge zur Verbesserung des Modells sind willkommen.

MARS5 TTS's Eigenschaften

• Zweistufige AR-NAR-Pipeline

• Gesteuerte Prosodie über Satzzeichen und Groß- und Kleinschreibung

• Festlegung der Sprecheridentität

• Shallow und Deep Cloning

• Einfaches Laden des Modells über `torch.hub`

• Inferenz mit Referenzaudio und Transkript

• Open Source mit alternativen Lizenzoptionen

MARS5 TTS's FRAGEN UND ANTWORTEN

MARS5 TTS's Preisgestaltung

MARS5 ist Open Source und steht unter der GNU AGPL 3.0 Lizenz zur Verfügung. Für alternative Lizenzoptionen wende dich bitte an help@camb.ai