Tacotron 2
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Google,University of California (UC) Berkeley
- Tipo de Organización
- Industry,Academia
- País
- United States of America
- Publicado
- 19 December 2017
- Autores
- Jonathan Shen, Ruoming Pang, Ron J. Weiss, Mike Schuster, Navdeep Jaitly, Zongheng Yang, Zhifeng Chen, Yu Zhang, Yuxuan Wang, RJ Skerry-Ryan, Rif A. Saurous, Yannis Agiomyrgiannakis, Yonghui Wu
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Speech
- Tarea
- Speech synthesis
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- 2,125,888,704 tokens
"We train all models on an internal US English dataset[12], which contains 24.6 hours of speech from a single professional female speaker." 13,680 words/hour * 24.6 = 336528 words
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Confident
- Citas
- 3,047
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Natural TTS Synthesis by Conditioning WaveNet on Mel Spectrogram Prediction
- Última actualización
- 25 May 2026
Qué significan los números
Fondo
Tacotron 2 fue publicado por Google,University of California (UC) Berkeley, en el país registrado como United States of America, durante December 2017. La organización editora está clasificada como industry,Academia.
Funciona en el dominio de Speech, y se registra como realizando la tarea de speech synthesis.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Cómo fue entrenado
El entrenamiento consumió un corpus de alrededor de 2,125,888,704 tokens de texto
Respuestas
Tacotron 2 — preguntas comunes
Tacotron 2— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
Tacotron 2— ¿Quién lo creó?
Fue publicado por Google,University of California (UC) Berkeley, basado en United States of America, una organización categorizada como industry,Academia.
Tacotron 2— ¿cuándo fue lanzado?
Se publicó en December 2017. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
Tacotron 2— ¿Para qué se utiliza?
Funciona en el dominio de Speech, y se registra como manejando la tarea de speech synthesis. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Tacotron 2— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
Tacotron 2— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.