
انتشار Magpie TTS انویدیا برای عاملهای صوتی چندزبانه
انویدیا مدل تبدیل متن به گفتار Magpie TTS را با وزنهای باز و کنترل کامل بر استقرار منتشر کرد. این مدل برای ساخت عاملهای صوتی چندزبانه با تأخیر پایین و استقرار روی زیرساخت اختصاصی طراحی شده است.
انویدیا مدل تبدیل متن به گفتار (Text-to-Speech) خود با نام Magpie TTS را با وزنهای باز منتشر کرد. این انتشار به توسعهدهندگان امکان میدهد مدل را بهصورت محلی یا روی زیرساخت ابری اختصاصی خود اجرا کنند و کنترل کامل بر فرایند استقرار داشته باشند. به گفته انویدیا، Magpie TTS برای ساخت عاملهای صوتی چندزبانه با تأخیر پایین (Low-Latency) طراحی شده است. این ویژگی برای کاربردهایی مانند دستیارهای مکالمهای، خدمات مشتری و سیستمهای پاسخ صوتی خودکار اهمیت دارد، زیرا تأخیر کمتر تجربه کاربری طبیعیتری ایجاد میکند. انتشار وزنهای باز به سازمانها اجازه میدهد مدل را با دادههای اختصاصی خود تنظیم (Fine-tune) کنند و بدون وابستگی به سرویسهای ابری خارجی، آن را در محیط امن خود به کار گیرند. این موضوع برای صنایعی که با دادههای حساس سروکار دارند، مزیت مهمی محسوب میشود. برای توسعهدهندگان ایرانی، دسترسی به وزنهای باز این مدل امکان اجرای محلی و کاهش هزینههای ارزی را فراهم میکند. همچنین با توجه به محدودیتهای دسترسی به برخی سرویسهای ابری، استقرار مستقل مدل روی سرورهای داخلی میتواند گزینه عملیتری برای پروژههای صوتی باشد. جزئیات فنی، نحوه دسترسی و راهنمای استقرار Magpie TTS در وبلاگ Hugging Face منتشر شده است.
این مدل در اپکس۲۴ قابل دسترس است
یک کلید API — ۵۰+ مدل هوش مصنوعی




