핵심 역량

• 다국어 텍스트 음성 변환
• 문맥 기반 음성 억양 및 감정 표현
• 10개 국어 음성 합성 수행
• 실시간 음성 토큰 생성

강점

• 3B 파라미터 규모로 일반 소비자용 GPU에서 실시간 추론 가능
• LLM 아키텍처를 활용하여 문맥에 최적화된 자연스러운 음성 억양 생성
• Llama 3.2 라이선스를 통해 상업적 활용 가능성 확보

훈련 방식

Llama 3.2 3B 기반 음성 토큰 예측 학습 및 10개 국어 음성-텍스트 정렬 데이터셋 파인튜닝

알아두면 좋은 것

• Llama 3.2 3B 모델을 기반으로 한 음성 특화 파인튜닝 모델임
• 영어, 일본어, 중국어 등 총 10개 언어의 음성 합성이 가능함
• 한국어는 학습 데이터 및 지원 대상에서 제외됨
• Arxiv 2402.23068 논문에 기술된 최신 음성 언어 모델링 기법 적용