Tacotron 2
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Google,University of California (UC) Berkeley
- Type d'organisation
- Industry,Academia
- Pays
- United States of America
- Publié
- 19 December 2017
- Auteurs
- 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
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Speech
- Tâche
- Speech synthesis
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- Données d'entraînement
- 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
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Confident
- Citations
- 3,047
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Natural TTS Synthesis by Conditioning WaveNet on Mel Spectrogram Prediction
- Dernière mise à jour
- 25 May 2026
Ce que les chiffres signifient
Contexte
Tacotron 2 a été publié par Google,University of California (UC) Berkeley, dans le pays enregistré comme United States of America, durant December 2017. L'organisation de publication est catégorisée comme industry,Academia.
Il fonctionne dans le domaine de Speech, et est enregistré comme exécutant la tâche de speech synthesis.
Parce que les poids ne sont pas disponibles, aucune des spécifications matérielles ailleurs sur ce site ne s'applique à cela.
Comment il a été entraîné
L'entraînement a consommé un corpus d'environ 2,125,888,704 jetons de texte
Réponses
Tacotron 2 — questions courantes
Tacotron 2— combien de paramètres cela a-t-il ?
Aucun nombre de paramètres n'a été publié pour cela, c'est pourquoi aucun chiffre de mémoire ou de vitesse n'apparaît sur cette page.
Tacotron 2— qui l'a créé ?
Il a été publié par Google,University of California (UC) Berkeley, basé sur United States of America, une organisation catégorisée comme industry,Academia.
Tacotron 2— quand a-t-il été publié ?
Il a été publié dans December 2017. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
Tacotron 2— à quoi ça sert ?
Il fonctionne dans le domaine de Speech, et est enregistré comme gérant la tâche de speech synthesis. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
Tacotron 2— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
Tacotron 2— est-ce que c'est open source ?
La licence n'a jamais été enregistrée dans nos données source. Nous considérons une licence non déclarée comme fermée, car une licence non enregistrée n'est pas une licence sur laquelle compter.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.