arXiv·· 12 天前AI 评分31
Paradee:将 Kokoro-82M 蒸馏为 8M 参数单音色 TTS 模型
Paradee: Distilling Kokoro-82M into an 8M-Parameter Single-Voice Text-to-Speech Model
AI 导读
Paradee 通过蒸馏 Kokoro-82M 得到一个 8.07M 参数的单音色文本转语音模型,参数量减少 10 倍、所需算力减少 15 倍。它保留 Kokoro 架构但层宽大幅收窄,两半分别针对冻结的教师模型独立训练:先由教师合成语料并保留其时长、音高、能量和音素特征,再训练小型文本侧预测这些值,以及小型解码器将教师保存的值还原为教师音频。
来源:arXiv · arxiv.org