higgs-tts-3-4b

מה זה

הארכיטקטורה מבוססת על מפענח אוטורגרסיבי בגודל כארבעה מיליארד פרמטרים, המשלב טוקנים של טקסט ואודיו יחד. המערך מייצר דגימת קול של 24 קילו-הרץ בקצב של עשרים וחמישה פריימים בשנייה, כשהשליטה על התוצאה נעשית ישירות בטקסט באמצעות תגיות ייעודיות לרגש, סגנון, אפקטים קוליים ומקצב.

המפתחים כיוונו ספציפית לדיבור שיחתי ולא להקראה רובוטית של ספרים. מבחני ההשוואה בכרטיס מציגים ציוני שגיאות מילים של 1.11 במבחן סיד ו־4.41 במבחן סי-וי שלוש, תוצאות שמציבות אותו מעל מודלים פופולריים אחרים כמו פיש אודיו או קוון. המודל תומך בלמעלה ממאה שפות, ועברית נכללת בקבוצה הבכירה עם דיוק מדווח מתחת לחמישה אחוזי שגיאה.

מתאים ל

• בוט קולי לשיחה

  שליטה בזמן אמת על רגשות ומקצב מאפשרת לייצר דיאלוג שוטף ולא רק הקראה יבשה.

• הפקת פודקאסטים

  הרישיון מאפשר ליוצרים לייצר תוכן ממומן בחינם כל עוד מקפידים על מתן קרדיט.

• שכפול קול לפרויקטים

  יכולת שכפול מאפס לפי דגימת קול קצרה חוסכת אימון מחדש של מודל נפרד לכל דובר.

איפה זה נופל

אורך הרצף מוגבל לשמונת אלפים טוקנים באימון, מה שאומר שהוא יתקשה בקטעי דיבור ארוכים ורציפים בלי לחתוך אותם מראש. בנוסף, אף שהתוצאות הכלליות גבוהות, שפות מסוימות מחוץ לקבוצה הבכירה מציגות רמות דיוק נמוכות יותר, וצריך לבדוק בפועל איך הוא מתמודד עם טקסטים מנוקדים בעברית לפני שילוב במערכת פעילה.

איך מריצים

המשקל הכולל עומד על כמעט תשעה גיגה-בייט, כך שצריך כרטיס מסך עם לפחות שישה עשר גיגה זיכרון כדי לטעון אותו בעומס עבודה בסיסי. ההרצה דורשת סביבת פייתון סטנדרטית עם ספריית טרנספורמרס.

אם אתם צריכים רק הפקה מהירה של קטעי קול בודדים, עדיף להשתמש בפתרון ענן קיים במקום להחזיק שרת יקר. הרצה עצמית שווה את המאמץ רק כשיש לכם צורך בפרטיות מוחלטת או כשאתם בונים שירות צ'אט שמחייב זמני תגובה נמוכים.

from transformers import pipeline

pipe = pipeline("text-to-speech", model="bosonai/higgs-tts-3-4b")
print(pipe("שלום"))

הקבצים

12 קבצים במאגר, 8.7 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• model.safetensors9.3 GB
• tokenizer.json11.4 MB
• model.safetensors.index.json90.1 KB
• assets/model_architecture.png63.1 KB
• README.md46.3 KB
• LICENSE32.2 KB
• AGENTS.md9.5 KB
• PROMPTING.md2.8 KB
• config.json2.8 KB
• chat_template.jinja2.4 KB
• tokenizer_config.json1.9 KB
• .gitattributes1.6 KB

הרישיון

הרישיון מוגדר תחת תנאי מחקר ושימוש לא מסחרי של בוסון. אסור להטמיע אותו במוצר מסחרי, למכור אותו או לספק גישה דרך ממשק מתווך בלי רישיון מסחרי נפרד. עם זאת, יש היתר מפורש ליוצרי תוכן דיגיטלי להפיק איתו פודקאסטים או סרטונים ולהרוויח מהם, בתנאי שניתן קרדיט ברור.

הרישיון המלא בעמוד המודל ↗