TADA

概要

TADA は Hume AI のオープンソースの音声言語モデル。テキストと音声を1対1で同期させるデュアルアライメントにより、テキストトークンと音響フレームの大きなミスマッチを解消。高速生成（従来比約5倍）により語句の欠落や内容の幻覚を抑え、1000件以上のテストで幻覚ゼロを報告。約700秒の音声を 2,048 トークンのコンテキスト内に格納可能。1B English と 3B multilingual のモデルをオープンソースライセンスで公開し、エッジデバイス上の信頼性の高い音声エージェント構築を後押しします。

なぜ注目か

• テキストと音声の同期という根本的な改革
• 速度と長い文脈の両立
• 低幻覚・高信頼性の TTS ソリューションの新しい選択肢
• コミュニティ利用の可能性が広がるオープンソース提供