csm

工具介绍

对话式语音生成模型

中央管理系统 2025/05/20 - CSM在Hugging Face 变形器的4.52.1版本中是本地有用的,我们模式2025/03/13中有更多的信息,我们正在发布1B CSM的变体。检查站设在Hugging Face上。 --- CSM(Conversational Speech Model)是来自芝麻的语音生成模型,从文本和音频输入生成RVQ音频代码. 该模型架构使用LLaMA主干线和更小的音频解码器来生成米米音频代码. CSM的一个微调变体赋予互动语音演示功能, 还有一个主机Hugging Face空间可供测试音频生成. A 兼容CUDA的GPU 该代码已在CUDA 12.4和 12.6上测试过,但也可能在其他版本上工作类似,Python 3.10被推荐,但较新的版本可能很好对于一些音频操作,ffmpeg可能被要求访问后继.

核心特点

•A CUDA-compatible GPU

•The code has been tested on CUDA 12.4 and 12.6, but it may also work on other versions

•Similarly, Python 3.10 is recommended, but newer versions may be fine

•For some audio operations, ffmpeg may be required

•Access to the following Hugging Face models:

•Llama-3.2-1B

•Impersonation or Fraud: Do not use this model to generate speech that mimics real individuals without their explicit consent.

•Misinformation or Deception: Do not use this model to create deceptive or misleading content, such as fake news or fraudulent calls.

•Illegal or Harmful Activities: Do not use this model for any illegal, harmful, or malicious purposes.

工具介绍

核心特点

> 标签

> 工具信息

> 相关工具

csm

工具介绍

核心特点

> 标签

> 讨论区

> 工具信息

> 相关工具