Research
Como a voz brasileira do Lero funciona por dentro: acústica, prosódia, PyTorch e infraestrutura, com algo para ouvir ou mexer em cada post.
Uma voz nova sem mexer em todos os pesos
Adapters de baixo rank: treinar menos de 1% dos números e chegar na mesma velocidade.LerAttention e o próximo token
Um modelo de linguagem escreve um token por vez, olhando só para trás.LerMais vozes por GPU
CUDA graph, MPS e batch: como dobramos as vozes em tempo real na mesma GPU.LerDo áudio ao tensor
Todo áudio que entra num modelo vira um tensor. A forma dele decide memória e velocidade.LerDo som aos tokens
Um segundo de fala tem dezenas de milhares de números. Um modelo de voz não escreve um por um.LerMesma frase, só a melodia muda
Na pergunta, a voz sobe no fim. E o fim da frase é onde a voz gerada mais erra.LerA mesma nota, três sons
Três sons com a mesma nota de 220 Hz. O que faz cada um soar diferente é o timbre.LerO som por dentro
A mesma fala vista como imagem: o tempo na horizontal, a frequência na vertical e a energia na cor.LerO som em números
Antes de qualquer modelo, a voz é uma lista de números. Veja de perto.Ler