タグ: #TTS

← すべての記事

• リアルタイム音声対話、パーツ別に直接測定した遅延：音声認識 0.2秒、LLMファーストトークン 0.07秒、音声合成は長さの半分

  外国語スピーキング練習用のリアルタイム音声対話の3つのパーツ（音声認識、対話LLM、音声合成）を韓国語、日本語、中国語、英語で直接測定しました。パーツ別の遅延とGPUメモリ、オープンモデル2ペアの比較、1ターンの最初の音声までの計算、そして測定時に陥りやすい罠をまとめました。

  2026-10-07 · 30 分で読めます #음성 에이전트#ASR#TTS#지연 측정#LLM 추론

• リアルタイム音声会話アプリを作る際に使えるNVIDIAオープンソース：Nemotron音声エージェント、PersonaPlex、NeMo

  リアルタイム音声会話アプリケーションを作るためにNVIDIAが公開したオープンソースを調査します。音声認識、LLM、音声合成を繋ぎ合わせる構造と、1つのモデルが聞いて話すフルデュプレックス構造を比較し、韓国語をサポートする組み合わせが何であるか、8GB級ノートPC用GPUと24GB級コンシューマー向けGPUでどこまで可能なのかを整理します。

  2026-10-07 · 17 分で読めます #음성 에이전트#실시간 음성인식#Nemotron#PersonaPlex#Pipecat