Modular Blog
·
Modular：由Modular平台驱动的“TTS 1 Max”在人工分析中排名第一的语音模型
💡
原文英文，约400词，阅读约需2分钟。
📝
内容提要
Inworld与Modular合作成功，'Inworld TTS 1 MAX'模型在语音排行榜中位列第一。该平台测试了超过100种LLM，评估其智能、速度和成本。两款模型支持12种语言，具备语音克隆和情感标签功能，提升了文本转语音的性能与效率。
🎯
关键要点
- Inworld与Modular合作成功，'Inworld TTS 1 MAX'模型在语音排行榜中位列第一。
- Artificial Analysis是一个独立的基准测试平台，测试超过100种LLM的智能、速度和成本。
- 语音排行榜基于用户的偏好，比较生成的语音并选择更喜欢的输出。
- Inworld TTS 1 Max和Inworld TTS 1支持12种语言，具备语音克隆和情感标签功能。
- Inworld TTS 1的平均生成速度为每秒约153个字符，Inworld TTS 1 Max为每秒约69个字符。
- 两款模型均基于变换器的自回归模型，使用LLaMA-3.2-1B和LLaMA-3.1-8B作为其SpeechLM基础。
- 与Modular的合作使得API的合成音频返回速度提高了约70%，延迟降低至200毫秒。
- 通过使用Modular的技术栈，API的价格降低了约60%。
➡️
