SILMA TTS: Un modelo ligero abierto de texto a voz bilingüe árabe-inglés

SILMA AI presenta SILMA TTS v1, un potente modelo de texto a voz bilingüe (árabe e inglés) con 150 millones de parámetros, construido sobre la arquitectura de difusión F5-TTS. Entrenado desde cero con decenas de miles de horas de audio curado, se libera bajo licencia Apache 2.0 para investigación y usos comerciales. Ofrece alta fidelidad, clonación de voz instantánea con menos de 8 segundos de audio, baja latencia (RTF ~0.12) y soporte avanzado para diacrítica árabe. El lanzamiento aborda la escasez de modelos TTS para árabe, un idioma de bajos recursos, mejorando el modelo original F5-TTS en tamaño y licencia. Incluye optimizaciones en inferencia para robustez y calidad.