rvc-models

מה זה

אתם מעלים קובץ שמע של פחות מ־20 שניות או מקלידים טקסט של עד 100 מילים, והיישום מעבד את הדיבור לקול של המודל הנבחר. מאחורי הקלעים רץ שילוב של RVC עם SynthesizerTrnMs256NSFsid וספריית fairseq לעיבוד קולי, יחד עם edge-tts של מיקרוסופט כשבוחרים להזין טקסט.

בממשק אפשר לכוונן את גובה הצליל באמצעות Transpose, לבחור שיטת זיהוי תדר יסודי F0, ולהגדיר את יחס ה־index. הפלט מוחזר ישירות כנגן שמע להאזנה והורדה, לצד תיבת הודעות עם סטטוס הריצה.

מתאים ל

• החלפת קול להקלטות קצרות

  מעלים קטע דיבור קצר וממירים אותו לגוון קול אחר עם התאמת גובה צליל.

• הקראת טקסט בקול מותאם

  מקלידים משפט, בוחרים קריין רקע, ומקבלים שמע מומר בקול המודל.

• בדיקת פרמטרים של RVC

  משחקים עם הגדרות שיטת F0 ויחס האינדקס כדי לראות את ההשפעה על התוצאה.

איפה זה נופל

החומרה הבסיסית מגבילה מאוד את קצב העבודה. הקוד כולל חסימות מובנות של עד 20 שניות לקובץ שמע ועד 100 מילים לטקסט, כך שאי אפשר לעבד קטעים ארוכים או פודקאסטים. בנוסף, מודל הדיבור המקדים של edge-tts עלול להישמע רובוטי עוד לפני שההחלפה הקולית מתבצעת.

איך משתמשים

נכנסים לממשק ב־Gradio, בוחרים באחת הלשוניות את המודל הרצוי, ומחליטים אם להעלות קובץ או לסמן V על מצב טקסט. אם בחרתם בטקסט, מקלידים עד 100 מילים ובוחרים דובר של edge-tts, מכווננים את הטרנספוזיציה ולוחצים על Generate. העיבוד רץ על מעבד בסיסי בלבד, cpu-basic, ללא האצת מאיץ גרפי, כך שזמן ההמתנה עשוי להיות ארוך ביחס לפעולה פשוטה.

הרישיון

הפרויקט מפורסם תחת רישיון MIT, שמאפשר שימוש חופשי, העתקה ושינוי של הקוד. עם זאת, הקבצים שאתם מעלים והתוצאות שנוצרות מעובדים על שרתי Hugging Face, וזכויות הקולות תלויות במודלים עצמם ובמדיניות השירות החיצוני של edge-tts.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗