Text-to-Speech

מה זה

הממשק מציע שני חלקים עיקריים להפקה של קובצי שמע מתוך טקסט כתוב. בחלק הראשון מזינים משפט בתיבת טקסט, בוחרים דובר מתוך אפשרויות קיימות, מכוונים פרמטרים בעזרת סליידר ומקבלים קובץ שמע של דיבור שנוצר במקום. לפי התיאור בקוד, המודל שמפיק את השמע מבוסס על ארכיטקטורת VITS, לצד שימוש במודל t5-base שנטען ברקע.

החלק השני מוקדש למיזוג קולות ומציג יכולת מעניינת יותר מסתם הקראה רגילה. אתם בוחרים שני דוברים שונים, מגדירים בעזרת סליידר את יחס הערבוב ביניהם, ומזינים את הטקסט שתרצו לשמוע. הפלט מציג את שני קולות המקור להשוואה לצד קובץ שמע מאוחד שמדגים את השילוב ביניהם לפי האחוז שקבעתם.

מתאים ל

• בדיקת איכות קול

  האזנה לפלט שמפיק מודל הדיבור ממשפטים קצרים באנגלית כדי לבחון את איכות הסינתזה.

• מיזוג שני קולות

  שילוב בין מאפיינים של שני דוברים שונים ביחס שנקבע מראש כדי לקבל גוון דיבור חדש.

• הפקת שמע להדגמות

  יצירה מהירה של קובצי דיבור מוכנים מראש לצורך בדיקות פיתוח או מצגות פנימיות.

איפה זה נופל

המעבד החלש של השרת לא בנוי לעיבוד פסקאות ארוכות או לשימוש מהיר. אין כאן שום אינדיקציה לתמיכה בעברית, ולכן ניסיון להזין טקסט מקומי כנראה ייכשל או יישמע משובש. הממשק מוגבל לבחירת דוברים מובנים מראש ואינו מאפשר להעלות דגימות קול משלכם כדי לשבט קולות חדשים.

איך משתמשים

נכנסים לעמוד דרך הדפדפן, מקלידים טקסט, בוחרים דובר או שניים ולוחצים על כפתור ההרצה כדי לקבל קובץ שמע לנגינה. אין כאן דרישה להרשמה או התחברות לחשבון. קחו בחשבון שהשרת מוגדר על מעבד בסיסי בלי מאיץ גרפי, כך שיצירת הקול עלולה לקחת זמן ולהתעכב אם יש עומס של משתמשים בו זמנית.

הרישיון

הרישיון של המרחב לא דווח כלל במאגר. במצב כזה אין אישור מפורש לשימוש מסחרי בקבצים שנוצרים, ולא ברור מה המעמד של השמע או הזכויות של מודל המקור.

הרישיון המלא ב־Hugging Face ↗