`Supertonic 3` 초경량 온디바이스 TTS 출시, **31개 언어** 및 감정 태그 지원

// related

• #0001

  #0001생성형 미디어GeekNews3일 전

  `SANA-WM`, 1분 720p 비디오용 26억 파라미터 오픈소스 월드 모델

  `SANA-WM`, a 2.6B open-source world model for 1-minute 720p video

  50radar

  SANA-WM오픈소스 월드 모델 — 이미지와 카메라 궤적으로 긴 영상 생성

  이미지 한 장과 카메라 궤적만으로 긴 장면 이동을 제어하는 쪽에 초점이 있다. 제품 목업·게임 씬 프리뷰 실험 신호는 좋지만, 당장 SaaS 기능으로 붙이긴 무겁다.

  • —입력은 이미지 1장 + 6-DoF 카메라 궤적. 텍스트 영상 생성보다 장면 내부 이동 제어에 강점이 있음.
  • —Hybrid Linear Diffusion Transformer가 프레임 단위 Gated DeltaNet과 주기적 softmax를 섞어 긴 롤아웃 일관성을 잡는다.
  • —단일 GPU에서 720p 1분 생성이 가능하다는 점은 실험 비용을 낮춘다. 실제 적용은 가중치·라이선스·추론 세팅 확인이 관건.

  출처: news.hada.io/topic?id=29572원문 보기 →
• #0002

  #0002생성형 미디어together_ai6일 전

  `Violin`: 오픈소스 AI 영상 번역 스택

  `Violin`: open-source AI video translation stack

  50radar

  Violin오픈소스 영상 번역 도구 — `ASR`·번역·`TTS` 통합

  영상 현지화에 필요한 ASR·번역·TTS를 한 번에 묶었다. 벤더 여러 개를 직접 이어붙일 필요가 줄어, 다국어 영상 재활용이 잦다면 지금 써볼 만함.

  • —음성 인식, LLM 번역, 음성 합성을 한 파이프라인으로 묶어 영상 번역용 글루 코드와 운영 복잡도를 줄인다.
  • —차별점은 모델 성능보다 오픈소스라는 점에 있다. 구성 요소 교체, 자체 호스팅, 비용 통제가 가능한 구조다.
  • —자막만 뽑는 용도보다 더빙·현지화 재가공에 맞는다. 기존 영상 자산을 여러 언어로 돌릴 때 효율이 커진다.

  출처: www.together.ai/blog/violin-open-source-translation-skil원문 보기 →
• #0003

  #0003생성형 미디어together_ai지난주

  `Voice Finder`, **600+** TTS 보이스를 빠르게 찾는 검색 도구

  `Voice Finder`: search and audition **600+** TTS voices faster

  50radar

  Voice FinderTTS 보이스 검색 도구 — 프롬프트·오디오로 매칭

  보이스 고르는 과정을 수동 탐색에서 프롬프트·참조 오디오 검색으로 바꿨다. 음성 UX가 들어가는 앱이면 후보 압축 속도는 빨라지지만, 모델 성능 자체가 바뀌는 업데이트는 아니다.

  • —Together AI TTS 모델 전반의 600+ 보이스를 한 번에 검색·필터링·청음한다. 프리셋을 하나씩 뒤지던 시간을 줄여준다.
  • —자연어 프롬프트로 톤·스타일을 찾는 방식이라 초기 프로토타입 단계에서 보이스 탐색 비용을 낮춘다.
  • —오디오 샘플 업로드로 유사한 목소리를 매칭할 수 있다. 레퍼런스가 있는 앱 리브랜딩이나 캐릭터 음성 교체에 바로 맞는다.
  • —새 음성 모델 출시가 아니라 탐색 레이어 추가다. 이미 Together AI TTS를 쓰고 있다면 체감이 크고, 아니면 우선순위는 낮다.

  출처: www.together.ai/blog/introducing-voice-finder-a-new-tool원문 보기 →