蚂蚁百灵 Ming-3.0-tts-0.5B 本地语音克隆实测
Great to see Ming-3.0-tts-0.5B running locally on an RTX 3090! In @ItsmeAjayKV’s test, a 5-second sample of his own voice was enough for cloning—even with fan n
蚂蚁百灵转发用户 @ItsmeAjayKV 的测试：Ming-3.0-tts-0.5B 在 RTX 3090 上本地运行，仅用 5 秒本人语音样本即完成克隆，且录音中带有风扇噪声。该用户还称模型约占用 3.3 GB 显存、磁盘体积不到 3 GB，语音生成速度快于实时。
查看原帖我用 @AntLingAGI 的 Ming-3.0-tts-0.5B 测试了语音克隆，结果更加疯狂。 对于这个规模的模型来说，语音克隆效果真的很好。我测试了自己的声音，当时半醉，房间里满是噪音（主要是风扇声），它立刻就完成了克隆。 它只需要我 5 秒的语音样本，而且说话速度比实时还快：大约 4 秒的语音在 2–3 秒内就能生成。 全部在我的 RTX 3090 上本地运行。Ming 大约占用 3.3 GB 显存，整个模型在磁盘上不到 3 GB。 本地 AI 的好时代。
查看原文
Tested voice cloning with Ming-3.0-tts-0.5B by @AntLingAGI and it is even more insane. For a model of this size, voice cloning happens really well, i tested my own voice, half drunk, in a room full of noise (fan noise mostly) and it instantly cloned it. It needed just a 5-second sample of my voice, and it speaks faster than real time: about 4 seconds of speech in 2–3 seconds. All running locally on my RTX 3090. Ming takes about 3.3 GB of VRAM, and the whole model is under 3 GB on disk. Great time for Local AI.
正文 · AI 翻译
很高兴看到 Ming-3.0-tts-0.5B 在 RTX 3090 上本地运行！在 @ItsmeAjayKV 的测试中，仅用 5 秒他本人的语音样本就足以完成克隆——即使录音中带有风扇噪声。🫶 感谢分享，AJ！我们很期待看到你接下来会构建什么。