Lar
A Hume AI lança o TADA: um sistema de síntese de voz para dispositivos móveis de código aberto com velocidade 5 vezes maior e sem erros de reprodução

A Hume AI disponibilizou em código aberto seu mais recente modelo de geração de fala, o TADA (Text-Acoustic Dual Alignment). Esse sistema de conversão de texto em fala (TTS), desenvolvido com base em um grande modelo de linguagem, utiliza uma arquitetura inovadora de alinhamento duplo para texto e acústica. Essa abordagem aumenta significativamente a eficiência e a confiabilidade da geração, além de ampliar seu leque de aplicações práticas.
Conforme detalhado oficialmente, o TADA estabelece uma sincronização rigorosa de 1:1 entre tokens de texto e representações acústicas. Essa arquitetura resolve completamente o problema comum de alucinação de conteúdo no nível do token encontrado em sistemas TTS tradicionais baseados em LLM. Em avaliações envolvendo mais de 1.000 amostras de teste, o modelo não apresentou nenhum caso de alucinação de conteúdo.
Em relação ao desempenho, o TADA gera áudio mais de cinco vezes mais rápido do que sistemas TTS LLM comparáveis. Ele também opera com notável eficiência de recursos, exigindo apenas 2 a 3 quadros de recursos computacionais por segundo de áudio. Em contraste, as soluções convencionais normalmente precisam de 12,5 a 75 quadros. Essa eficiência permite que o modelo execute inferência local em hardware de baixo consumo de energia, como smartphones e dispositivos de borda, eliminando a necessidade de servidores em nuvem.
O TADA oferece suporte multilíngue, incluindo chinês, com suas versões multilíngues baseadas na escala de parâmetros do Llama3.23B. O lançamento inclui modelos pré-treinados multilíngues de 1B (principalmente para inglês) e 3B. Com uma janela de contexto de 2.048 tokens, o modelo pode gerar aproximadamente 700 segundos de áudio contínuo em uma única passagem. Essa capacidade supera em muito as soluções tradicionais, que normalmente se limitam a cerca de 70 segundos sob as mesmas restrições de tokens.
Uma inovação fundamental é seu recurso de transcrição síncrona. Ao gerar fala, o modelo produz simultaneamente a transcrição de texto correspondente. Esse processo elimina a necessidade de uma etapa separada e adicional de reconhecimento automático de fala (ASR), resultando em latência zero para a saída de texto. Essa funcionalidade é particularmente valiosa para legendagem em tempo real, sistemas de interação por voz e ferramentas de criação de conteúdo.
Em avaliações subjetivas realizadas por humanos, o TADA alcançou o segundo lugar tanto em naturalidade quanto em similaridade de voz. Ele superou vários sistemas com maior número de parâmetros e dados de treinamento mais extensos, demonstrando uma qualidade de áudio altamente competitiva.
Link: https://huggingface.co/collections/HumeAI/tada
Artigo relacionado
O ex-pesquisador da OpenAI, Barrett Zoph, retorna ao Google para apoiar o desenvolvimento do Gemini
Barret Zoph, que anteriormente havia deixado a empresa de forma repentina e se juntado à OpenAI devido a um desentendimento com a CEO da Thinking Machines Lab, Miriam Mularati, mudou de emprego mais u
Como a Recursive Intelligence levantou US$ 335 milhões com uma avaliação de US$ 4 bilhões em 4 meses
As cofundadoras da startup Ricursive Intelligence pareciam destinadas a serem cofundadoras.Anna Goldie, CEO, e Azalia Mirhoseini, CTO, são tão conhecidas na comunidade de IA que estavam entre os engen
A corrida pela IA não vai esperar, nem esse desconto de 25% do TechCrunch Disrupt
Todo fundador que está trabalhando com IA neste momento faz a mesma pergunta: será que estamos avançando rápido o suficiente e de forma eficaz o suficiente? O TechCrunch Disrupt 2026 coloca você na me
Recomendações de tópicos especiais relacionados
Comentários (1)

A Hume AI disponibilizou em código aberto seu mais recente modelo de geração de fala, o TADA (Text-Acoustic Dual Alignment). Esse sistema de conversão de texto em fala (TTS), desenvolvido com base em um grande modelo de linguagem, utiliza uma arquitetura inovadora de alinhamento duplo para texto e acústica. Essa abordagem aumenta significativamente a eficiência e a confiabilidade da geração, além de ampliar seu leque de aplicações práticas.
Conforme detalhado oficialmente, o TADA estabelece uma sincronização rigorosa de 1:1 entre tokens de texto e representações acústicas. Essa arquitetura resolve completamente o problema comum de alucinação de conteúdo no nível do token encontrado em sistemas TTS tradicionais baseados em LLM. Em avaliações envolvendo mais de 1.000 amostras de teste, o modelo não apresentou nenhum caso de alucinação de conteúdo.
Em relação ao desempenho, o TADA gera áudio mais de cinco vezes mais rápido do que sistemas TTS LLM comparáveis. Ele também opera com notável eficiência de recursos, exigindo apenas 2 a 3 quadros de recursos computacionais por segundo de áudio. Em contraste, as soluções convencionais normalmente precisam de 12,5 a 75 quadros. Essa eficiência permite que o modelo execute inferência local em hardware de baixo consumo de energia, como smartphones e dispositivos de borda, eliminando a necessidade de servidores em nuvem.
O TADA oferece suporte multilíngue, incluindo chinês, com suas versões multilíngues baseadas na escala de parâmetros do Llama3.23B. O lançamento inclui modelos pré-treinados multilíngues de 1B (principalmente para inglês) e 3B. Com uma janela de contexto de 2.048 tokens, o modelo pode gerar aproximadamente 700 segundos de áudio contínuo em uma única passagem. Essa capacidade supera em muito as soluções tradicionais, que normalmente se limitam a cerca de 70 segundos sob as mesmas restrições de tokens.
Uma inovação fundamental é seu recurso de transcrição síncrona. Ao gerar fala, o modelo produz simultaneamente a transcrição de texto correspondente. Esse processo elimina a necessidade de uma etapa separada e adicional de reconhecimento automático de fala (ASR), resultando em latência zero para a saída de texto. Essa funcionalidade é particularmente valiosa para legendagem em tempo real, sistemas de interação por voz e ferramentas de criação de conteúdo.
Em avaliações subjetivas realizadas por humanos, o TADA alcançou o segundo lugar tanto em naturalidade quanto em similaridade de voz. Ele superou vários sistemas com maior número de parâmetros e dados de treinamento mais extensos, demonstrando uma qualidade de áudio altamente competitiva.
Link: https://huggingface.co/collections/HumeAI/tada
O ex-pesquisador da OpenAI, Barrett Zoph, retorna ao Google para apoiar o desenvolvimento do Gemini
Barret Zoph, que anteriormente havia deixado a empresa de forma repentina e se juntado à OpenAI devido a um desentendimento com a CEO da Thinking Machines Lab, Miriam Mularati, mudou de emprego mais u
Como a Recursive Intelligence levantou US$ 335 milhões com uma avaliação de US$ 4 bilhões em 4 meses
As cofundadoras da startup Ricursive Intelligence pareciam destinadas a serem cofundadoras.Anna Goldie, CEO, e Azalia Mirhoseini, CTO, são tão conhecidas na comunidade de IA que estavam entre os engen
A corrida pela IA não vai esperar, nem esse desconto de 25% do TechCrunch Disrupt
Todo fundador que está trabalhando com IA neste momento faz a mesma pergunta: será que estamos avançando rápido o suficiente e de forma eficaz o suficiente? O TechCrunch Disrupt 2026 coloca você na me











