Выпущена компактная TTS-модель Kokoro-7M-Distill

Разработчики представили Kokoro-7M-Distill — легковесную модель для синтеза речи (TTS), предназначенную для работы на мобильных устройствах. Модель содержит всего 7,48 млн параметров и занимает 28,7 МБ дискового пространства.

Архитектура новинки основана на дистилляции знаний из более крупной модели Kokoro-82M. В ходе тестов решение продемонстрировало скорость генерации, превышающую показатели оригинала в 4,1 раза. Время обработки составляет 22 мс на одну секунду аудиопотока.

Модель ориентирована на работу в полностью автономном режиме (offline) без необходимости обращения к облачным серверам. Низкие требования к оперативной памяти позволяют интегрировать систему в приложения для смартфонов с ограниченными аппаратными ресурсами.

Релиз Kokoro-7M-Distill расширяет возможности локального синтеза речи, обеспечивая высокую скорость отклика при минимальном потреблении ресурсов. Использование дистилляции позволило сохранить разборчивость речи при значительном сокращении объема весов, что делает модель пригодной для встраиваемых систем и мобильных интерфейсов.