Кыргызстанская команда разработчиков NineNineSix представила новую версию модели синтеза речи — Kani TTS 2. Разработка вошла в топ-3 TTS-моделей на платформе Hugging Face — крупнейшем мировом каталоге моделей искусственного интеллекта.
Kani TTS 2 стала продолжением первой версии и продемонстрировала значительный технологический скачок. Теперь модель способна стабильно генерировать до 40 секунд живой речи за один проход, что более чем в два раза превышает возможности предыдущей версии.
Для полностью открытой модели из КР попадание в топ-3 TTS на Hugging Face стало редким и значимым достижением.
Кто такие NineNineSix
NineNineSix — кыргызстанская команда разработчиков в сфере искусственного интеллекта, работающая над языковыми технологиями.Ранее она представила первую версию Kani TTS, а также разработала голосовую колонку и AI-ассистента AkylAi — первый искусственный интеллект, говорящий на кыргызском языке.
Голос для малоресурсных языков
Большинство крупных AI-компаний фокусируются на английском и других глобальных языках. Малоресурсные часто остаются вне технологического прогресса. NineNineSix сделали ставку на иной подход.Kani TTS 2 поддерживает английский, испанский и кыргызский языки. Архитектура модели позволяет обучать ее для других языков, акцентов и диалектов.
Команда опубликовала полный код предварительного обучения. Это означает, что любая страна или исследовательская группа может создать собственную голосовую модель на базе Kani TTS 2.
«Kani TTS 2 — это следующий шаг после нашей первой версии: мы сделали генерацию речи стабильнее и научили модель выдавать длинные фрагменты. Мы делаем ставку на компактные и открытые модели — их проще запускать и адаптировать под разные языки и акценты, включая малоресурсные. Для нас важно показать, что технологии мирового уровня можно создавать в Кыргызстане, поэтому мы открыли не только веса модели, но и весь код для pretrain, чтобы любая команда могла обучить TTS с нуля под свой язык», — отметил сооснователь nineninesix.ai Нурсултан Бакашов.
Что нового в Kani TTS 2
Среди ключевых улучшений:- до 40 секунд стабильной генерации речи за один проход;
- поддержка zero-shot voice cloning — клонирование голоса по короткому аудиофрагменту;
- полностью открытая архитектура и код обучения;
- вхождение в топ-3 TTS-моделей на Hugging Face.
Модель содержит около 400 миллионов параметров.
Она предобучена примерно на 10 тысячах часов речевых данных и может работать на GPU с примерно 3 гигабайтами видеопамяти, что делает ее доступной для локального и серверного использования.
«Kani TTS 2 — это не просто очередная AI-модель. Это доказательство того, что кыргызстанские специалисты способны создавать технологии мирового уровня и конкурировать на глобальном рынке искусственного интеллекта. NineNineSix демонстрирует, что Кыргызстан может быть не только потребителем, но и создателем передовых AI-решений», — сообщили в Парке высоких технологий.
