L’ANALISI
Silencio-2: TTS inglese, pesi e limiti dei tag vocali
Silencio-2 genera voce inglese a 24 kHz con tag emotivi. Il generatore ha 18,2M parametri, il modello completo 27,9M; qualità non verificata qui.
In breve: Silencio-2 è un modello TTS per l’inglese con pesi disponibili e tag per emozioni e suoni. La scheda distingue il generatore da 18,2M parametri dal modello completo da 27,9M. Non è una soluzione italiana verificata né una promessa di prestazioni uguali su ogni CPU.
Verifica documentale della model card, della history e dei metadati Hugging Face alla revisione 20930f5f6a6bb564f2a8207152fd5c5d8eecff03. Non abbiamo scaricato i pesi, ascoltato campioni o eseguito inferenza. Il primo commit dell’artefatto è del 31 ottobre 2026.
Quali dimensioni bisogna confrontare?
La scheda indica 18,2M parametri per generare voce e 27,9M includendo l’encoder Mimi usato dalla clonazione. L’API Hugging Face conta 27.928.690 parametri nel file safetensors. Confrontare solo il generatore con un intero sistema concorrente falserebbe il perimetro: annotare sempre quale componente si sta misurando. Silencio-2: model card alla revisione verificata.
Che cosa controllano i tag?
La model card descrive tag sonori ed emotivi inseriti nel testo e uscita mono a 24 kHz. È un’interfaccia di controllo dichiarata, non una valutazione dell’espressività. Per un uso editoriale, un test sensato deve verificare sia la presenza dell’effetto sia la comprensibilità della frase, senza scegliere soltanto la generazione migliore. Silencio-2: model card alla revisione verificata.
Che cosa significa il claim di velocità?
Il produttore descrive una misura su Apple M4 con quattro thread CPU. Non la estendiamo ad altri processori e non la presentiamo come confronto indipendente. Prima di scegliere un motore, proporremmo di misurare sul proprio hardware tempo al primo audio, durata della generazione e qualità percepita, mantenendo identici testo e condizioni. Silencio-2: model card alla revisione verificata.
Come impostare una prova controllata?
Partire da frasi inglesi pubbliche e da una voce distribuita col progetto evita di introdurre dati vocali personali nel primo esperimento. Fissare i testi prima di ascoltare i risultati, ripetere più generazioni e annotare gli errori rende il confronto controllabile. È una procedura proposta, non un’installazione o una prova già completata. Silencio-2: model card alla revisione verificata.
Quale confine mantenere per le voci?
Il progetto chiede il consenso del titolare per clonare una voce e di rendere riconoscibile il parlato sintetico quando può essere scambiato per reale. Per il primo test non serve clonare nessuno. Separare dimostrazione tecnica, autorizzazione all’uso della voce e destinazione del file evita che una possibilità del modello diventi automaticamente una pubblicazione. Silencio-2: model card alla revisione verificata.
Condizioni e limitazioni
La model card dichiara solo inglese e variabilità tra generazioni; il tag whisper è meno stabile. La velocità pubblicizzata su Apple M4 non è stata riprodotta. La disponibilità dei pesi non dimostra qualità della voce, sicurezza o idoneità a un progetto specifico.
Checklist pratica
- Registrare revisione dei pesi e configurazione, senza confondere data di scoperta e prima pubblicazione.
- Usare testi inglesi e partire da una voce distribuita, non da registrazioni personali.
- Confrontare generazioni ripetute e annotare errori e variabilità dei tag.
- Misurare le prestazioni soltanto sul proprio hardware e dichiarare le condizioni.
- Leggere licenza e NOTICE dei componenti prima di distribuire un prodotto.
- Tenere separati consenso per la voce, produzione del file e permesso di pubblicazione.