Edge0 pubblica Audio8-TTS-Realistic, TTS 0,6B che clona una voce da un singolo clip
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
Il modello open-weight supporta 23 lingue, pesa 601 milioni di parametri e viene distribuito con codice e pesi sotto Apache 2.0.
Edge0 rilascia Audio8-TTS-Realistic, modello TTS open-weight da 0,6 miliardi di parametri capace di clonare una voce in zero-shot da un solo clip con trascrizione. Supporta 23 lingue. Codice e pesi sono pubblici con licenza Apache 2.01.
Audio8-TTS-Realistic è il secondo rilascio da 0,6 miliardi nella famiglia Audio8 TTS. Si basa su Audio8-TTS-Preview-0.6b e mantiene la stessa interfaccia di inferenza di Transformers. Nel repository è disponibile il checkpoint1.
Il modello principale conta 601 milioni di parametri, escluso il codec. Gestisce fino a 2.048 posizioni di contesto testuali e audio in formato “packed”. La scelta di taglia e contesto punta a un profilo per sviluppatori: accuratezza multilingue competitiva e costi contenuti per fine-tuning e servizio1.
Esecuzione: consigliata una GPU con CUDA. Edge0 riporta smoke test su NVIDIA H20 in BF16. Per chi valuta la CPU, il paper cita un picco di memoria fra 1,1 e 1,2 GiB su Apple M2 con INT4 ONNX. Al momento non esiste un export ONNX pubblico della variante Realistic1.
Benchmark in sintesi. Su CV3, Audio8-TTS-Realistic supera modelli open più grandi: errore medio del 4,86% su nove lingue contro il 7,73% di Qwen3-TTS-1.7B. Su MiniMax resta dietro alla classe dei 4 miliardi di parametri. Emergono criticità su lingue specifiche: 48,57% di WER sul thai in CV3 e 31,35% di CER sul cantonese in MiniMax1.
La clonazione della voce avviene in zero-shot: basta un clip di riferimento e la trascrizione. È lo scenario d’uso centrale del rilascio, con ampliamento a 23 lingue rispetto al precedente modello della stessa famiglia1.
Per chi integra, il quadro operativo è chiaro. GPU con CUDA per inferenza fluida. Attenzione al percorso CPU: i numeri di memoria arrivano da test con ONNX INT4 su M2, ma l’export ONNX della variante Realistic non è pubblico. La presenza del checkpoint e dell’interfaccia Transformers facilita prove rapide in ambienti esistenti, dal laboratorio al servizio pilota1.
Nel complesso, il pacchetto unisce tre leve pratiche: dimensione ridotta, contesto da 2.048 posizioni e clonazione zero-shot a partire da un singolo clip. I test pubblici indicano vantaggi su parte del panorama open, con limiti su lingue mirate e nel confronto con modelli molto più grandi. Il bilanciamento tra prestazioni e costi, insieme alla licenza Apache 2.0, spinge verso adozioni sperimentali dove conta arrivare in fretta a un prototipo multilingue senza lock-in1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono. Valutazione su questo pezzo: 9,5/10.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale: superato.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica. Questo articolo ha preso 8,2/10 dopo 2 revisioni.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.