画像をクリックすると拡大します。

NXPの音声合成 (TTS) ソフトウェア・ソリューションは、テキストを合成音声に変換して、AIアシスタントの音声出力、自動応答、デジタル・プラットフォームやサービスとのユーザー・インタラクションの改善を可能にします。

ソフトウェア詳細

複数話者対応（言語による）
周波数サンプリング：16 kHzまたは22 kHz
言語：英語、標準中国語、ヒンディー語、スペイン語、フランス語、アラビア語、ポルトガル語、ロシア語、ドイツ語、イタリア語、オランダ語、カタルーニャ語、チェコ語、ウェールズ語、デンマーク語、ギリシャ語、ペルシア語、フィンランド語、ハンガリー語、インドネシア語、アイスランド語、グルジア語、カザフ語、ルクセンブルク語、ラトビア語、マラヤラム語、ネパール語、ノルウェー語、ポーランド語、ルーマニア語、スロバキア語、スロベニア語、セルビア語、スウェーデン語、スワヒリ語、トルコ語、ウクライナ語、ベトナム語
自然な音声品質
このTTSモデルは、VITS (Variational Inference with Adversarial Learning for End-to-End Text-to-Speech) アーキテクチャを採用。言語に応じて、複数の話者、男性または女性、さまざまなアクセントおよび声のトーンを用意。周波数サンプリング・レートはモデルに応じて16 kHzまたは22 kHz

モデル	モデル・サイズ[パラメータ]	プラットフォーム / コア	リアルタイム係数	DNS-MOS	量子化フォーマット	メモリ・フットプリント[MB]			ライブラリ依存関係
モデル	モデル・サイズ[パラメータ]	プラットフォーム / コア	リアルタイム係数	DNS-MOS	量子化フォーマット	コード・サイズ	モデル・サイズ	アリーナ・サイズ	ライブラリ依存関係
MPU	20M	i.MX95 / Cortex-A55 × 6	0.14	4.35	8ビット整数	0.3	24	9	ONNX + TFLite
		i.MX93 / Cortex-A55 × 2	0.28
		i.MX91 / Cortex-A55 × 1	0.60
		i.MX8MP / Cortex-A53 × 4	0.26
		i.MX8MN / Cortex-A53 × 4	0.33
		i.MX8MM / Cortex-A53 × 4	0.38
MCU	2.2M	Cortex-M33 / NPU	0.24	4.17	8ビット整数 + 16a_8w整数	0.15	2.6	1.7	TFLite

設計・リソース

クイック・リファレンスボードタイプ.

2 ハードウェア提供