Radar ·
Phonon: TTS aberto de 31M de parâmetros rodando no navegador via WebGPU
Post relata o port do Phonon, um modelo open de text-to-speech com 31M de parâmetros da GradiumAI, rodando totalmente no navegador via WebGPU em meia precisão, com cerca de 47x tempo real no M4 Pro e 7x no Phone 13 Pro.
Segundo um post sobre o port do Phonon, um modelo open de text-to-speech com 31M de parâmetros da GradiumAI, o modelo passou a rodar inteiramente no navegador por meio de WebGPU, em meia precisão. O autor cita cerca de 47 vezes o tempo real no M4 Pro e 7 vezes no Phone 13 Pro. São afirmações do autor, que não foram verificadas de forma independente nesta nota.
O ponto relevante é a demonstração de um modelo de voz pequeno executando no cliente, em hardware comum, o que pode interessar a recursos de voz no dispositivo. A fonte não traz detalhes sobre qualidade de áudio, idiomas, licença ou metodologia de medição. Para consultar o original, procure o post pelo título, confira a licença do modelo e reproduza os números no seu próprio hardware antes de qualquer uso em produção.
Fonte original: Phonon: TTS aberto de 31M de parâmetros rodando no navegador via WebGPU