Chroma 1.0とマルチモーダル音声モデルの比較は、遅延や音質によって異なります

Chroma 1.0 リリース:世界初のオープンソースのエンドツーエンドリアルタイム音声間モデル

- 要旨 Chroma 1.0は、FlashLabsによって訓練され、完全にオープンソース化されたエンドツーエンドのリアルタイム音声間モデルで、パーソナライズされた音声クローン作成を可能にします。 このモデルは従来のASR→LLM→TTSパイプラインを不要にし、エンドツーエンドの応答を約150msで...