Miso One: Mô hình TTS 8B mã nguồn mở với khả năng giả lập giọng nói người thật cực nhanh

Miso One đã chính thức được phát hành, mang đến một mô hình chuyển văn bản thành giọng nói (TTS) mã nguồn mở với 8 tỷ tham số. Mục tiêu cốt lõi của mô hình là mô phỏng sự ấm áp và nhịp điệu trong cách đọc của con người một cách chân thực nhất.

Điểm nổi bật của Miso One là khả năng sao chép giọng nói chỉ với một mẫu âm thanh ngắn. Hệ thống đạt hiệu suất ấn tượng với độ trễ suy luận chỉ 110ms, đảm bảo trải nghiệm phản hồi nhanh chóng cho người dùng.

Về tính bảo mật và quyền riêng tư, trọng số của mô hình đã được công khai trên GitHub. Người dùng có thể tự lưu trữ (self-host) mà không cần phụ thuộc vào API, đảm bảo dữ liệu âm thanh luôn được xử lý cục bộ và không rời khỏi thiết bị.

Hiện tại, nhà phát triển đã ra mắt bản demo trực tuyến để người dùng có thể trải nghiệm trước khi quyết định tải mã nguồn về. Ngoài ra, dịch vụ truy cập thông qua API cũng đang được lên kế hoạch phát hành trong thời gian tới.