Выпущена компактная арабская TTS-модель Nabra-7M-Distill

Разработчики представили Nabra-7M-Distill — специализированную модель для синтеза речи на арабском языке. Система построена на архитектуре с 7,48 млн параметров и предназначена для работы в условиях ограниченных вычислительных ресурсов.

Вес итогового файла модели составляет всего 28,7 МБ, что позволяет запускать её локально на центральном процессоре (CPU). В ходе тестирования модель показала производительность, превышающую скорость работы исходной «учительской» модели в 4,2 раза. При этом скорость генерации аудио достигает 45x от реального времени.

Модель была получена методом дистилляции знаний из более крупной нейросети, что позволило сохранить качество синтеза при значительном сокращении объема вычислений. Процесс обучения занял 1 час, в результате чего модель получила оценку 8 баллов по внутренней шкале эффективности разработчиков.

Релиз ориентирован на интеграцию в мобильные приложения и встраиваемые системы, где критически важна низкая задержка и минимальное потребление оперативной памяти. Использование дистиллированных моделей позволяет развертывать качественные голосовые интерфейсы на устройствах без выделенных графических ускорителей.