Aller au contenu principal
← Retour aux actualités

Meet Dessa, the speech model trained from scratch on human conversation

Nouveaux modèles
Source:Block (admin inbox)
Block présente Dessa, un modèle vocal entraîné depuis zéro sur des conversations humaines. L'entreprise l'utilise déjà pour l'assistance téléphonique : un cas d'école sur ce que vaut un TTS/STT non fine-tuné sur un grand modèle existant.
Lire l'article original

Articles connexes

La voce locale: da Whisper al text-to-speech

Come costruire una pipeline di voce completamente locale: trascrizione con Whisper, sintesi con Piper o Kokoro-82M, requisiti hardware e casi d'uso pratici.

Recevez le prochain point IA locale

Chaque semaine, une sélection du meilleur d'iaLocale : articles, actualités et ressources sur l'IA locale, et plus encore.

Après l'inscription, vous recevez un e-mail de confirmation (double opt-in). Sans confirmation, nous n'envoyons rien. Pas de spam, promis.

Ressources liées

Outils et ressources des archives iaLocale pertinents pour ce contenu.

🎙️

speech-swift (Kyutai STT)

Logiciel

Runtime Swift/MLX pour la reconnaissance vocale en flux de Kyutai sur Apple Silicon. Le point de contrôle de référence est le STT-1B (anglais et français) en INT8/FP16, avec encodeur Mimi causal (32 codes audio toutes les 80 ms). Supporte les exports INT4/INT8. Licence des poids CC-BY-4.0.

🗣️

Piper TTS

Inférence

Sintesi vocale in locale a bassa latenza basata su ONNX: genera parlato naturale da testo in tempo quasi reale, anche su CPU. Multilingue (italiano incluso) e facile da integrare nei pipeline: download del modello, una riga di comando. MIT.

🎵

Kokoro-82M

Modèles

Modèle de synthèse vocale de 82M de paramètres sur architecture VITS, Apache-2.0 pour les poids, avec des voix dans des dizaines de langues et une qualité surprenante pour sa taille. Tourne efficacement même uniquement sur CPU.

🗣️

NVIDIA MagpieTTS Multilingual 357M

Modèles

Modello di sintesi vocale multilingue di NVIDIA: 357M parametri, 12 lingue (italiano e francese inclusi), architettura encoder-decoder transformer. Compatto e pensato per esecuzione in locale a bassa latenza; pesi disponibili su Hugging Face.

Parcourir toutes les ressources