Сжатие TTS-модели до 11.84 МБ с сохранением качества распознавания

Разработчик выпустил оптимизированную версию модели синтеза речи SteerTTS, вес которой составляет всего 11.84 МБ благодаря квантованию в int4 и дистилляции вокодера. Несмотря на уменьшение размера, модель сохраняет управляемость параметрами (темп, громкость, интонация) и качество распознавания текста, уступая оригиналу лишь незначительно в субъективной оценке качества звука.