راه‌اندازی جدول امتیازات Open TTS برای ارزیابی مقیاس‌پذیر مدل‌های صوتی
جدول امتیازات Open TTS به عنوان یک پلتفرم جدید برای ارزیابی هدفمند و مقیاس‌پذیر مدل‌های متن‌به‌گفتار متن‌باز و چندزبانه معرفی شد. این سیستم با استفاده از متریک‌های عینی مانند میزان خطای کلمات و شباهت گوینده، روند ارزیابی مدل‌ها را به میزان قابل توجهی سرعت می‌بخشد.
حجم مدل‌های متن‌به‌گفتار (TTS) متن‌باز در هاب هاگ فیس به شدت افزایش یافته است، اما روش‌های ارزیابی نتوانستهند همگام با این رشد پیشرفت کنند. در حالی که ترجیحات انسانی استاندارد طلا محسوب می‌شوند، سیستم‌های مبتنی بر آرنا مقیاس‌پذیر نیستند و مدل‌های متن‌باز در آن‌ها کمتر دیده می‌شوند.
برای پاسخ به این نیاز، جدول امتیازات Open TTS راه‌اندازی شده است که با تکیه بر متریک‌های عینی، جنبه‌های مختلف عملکرد مدل‌ها را ارزیابی می‌کند. این ارزیابی‌ها شامل هوشمندی با استفاده از نرخ خطای کلمات (WER)، سرعت استنتاج دسته‌ای و شباهت صدا با استفاده از جاسازی‌های WavLM است. این رویکرد زمان ارزیابی را از چند هفته به چند ساعت کاهش می‌دهد.
این پلتفرم امکان ارزیابی مدل‌های چندزبانه و قابلیت شبیه‌سازی صدا را فراهم می‌کند و همچنین تب «Listen» را برای مقایسه خروجی‌ها و جمع‌آوری بازخوردهای جامعه کاربران ارائه می‌دهد. هدف این پروژه ایجاد یک بستر ارزیابی پویا و جامعه‌محور برای مدل‌های متن‌باز است.
گزارش فارسی این خبر با کمک هوش مصنوعی و فقط بر اساس اطلاعات منتشرشده در منبع تهیه شده است.