Audio8-TTS-Preview-0.6b — הדגמה

מה זה

מזינים טקסט להקראה ומעלים קובץ שמע שמשמש כדוגמת קול, או בוחרים מתוך רשימת דוגמאות מובנות שהשרת מחזיק. הקלט של הקול דורש גם את התמלול המדויק של מה שנאמר בו. בתמורה מקבלים קובץ שמע בפורמט wav שמקריא את הטקסט החדש בקול שהועלה.

מאחורי הקלעים רץ המודל Audio8-TTS-Preview-0.6b בגודל 0.6 מיליארד פרמטרים. צד השרת בנוי על FastAPI ומשתמש במנוע SGLang Omni 0.1.0 ובגרסה 0.5.8 של SGLang כדי להריץ את התהליך ביעילות על כרטיס המסך. פענוח גל הקול עצמו מתבצע פעם אחת בסיום יצירת הטוקנים האקוסטיים ולא בחלקים תוך כדי הריצה, במטרה לשמור על יציבות של טקסטים ארוכים.

מתאים ל

• שכפול קול מדגימה

  יצירת קריינות מותאמת אישית מקובץ שמע קיים באורך של עד 30 שניות.

• המרת טקסט לדיבור

  הפקת קובץ wav מטקסט רגיל בעזרת דוגמאות הקול המוכנות מראש בשרת.

• בדיקת API לפיתוח

  שליחת בקשות HTTP פשוטות כדי להפיק שמע בקוד לפני הטמעה מקומית.

איפה זה נופל

קובץ השמע שמעלים לחיקוי הקול מוגבל ל־30 שניות לכל היותר, וחובה לצרף לו תמלול מדויק כדי שהשיבוט יצליח. הזרמת שמע מקבילה מכובה לחלוטין בקוד, מה שאומר שאין אפשרות לשמוע את התוצאה בזמן אמת אלא רק לחכות לקובץ המלא. בנוסף, מדובר במודל מוקדם בגודל 0.6B, כך שלא מובטחת איכות מושלמת, והשרת עצמו במצב מושהה ולכן לא יגיב מיד ללא הפעלה מחדש.

אותה משפחה

Audio8-TTS יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

איך מריצים

בממשק מעלים הקלטה קולית או בוחרים קובץ מוכן, מזינים את הטקסט הרצוי ומפעילים את הדיבוב. אפשר להשתמש ישירות בממשק האינטרנטי או לשלוח בקשת curl פשוטה לכתובת ה־API שמחזירה ישירות קובץ wav. האפליקציה מוגדרת לפעול על מאיץ מסוג a10g-small שמשתמש ב־torch.compile וב־CUDA Graph, אך כרגע השרת נמצא במצב מושהה. כשהוא מופעל, אין צורך בחשבון כדי לשלוח בקשות, אך אין הזרמת שמע הדרגתית ותצטרכו להמתין עד שהחישוב מסתיים במלואו.

pip install -U huggingface_hub
hf download Edge0/Audio8-TTS-Preview-0.6b

הקבצים

16 קבצים במאגר, 2.4 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• codec.pth1.3 GB
• model.safetensors1.2 GB
• tokenizer.json12.2 MB
• tokenizer_config.json860.8 KB
• special_tokens_map.json101.9 KB
• 20260729-124515.jpeg72.6 KB
• modeling_arktts.py34.7 KB
• modeling_arktts_codec.py19.8 KB
• processing_arktts.py11.2 KB
• README.md10.5 KB
• configuration_arktts.py4.6 KB
• .gitattributes1.6 KB
• config.json1.5 KB
• preprocessor_config.json254 B
• processor_config.json207 B
• generation_config.json190 B

הרישיון

הפרויקט מפורסם תחת רישיון apache-2.0 שמאפשר שימוש חופשי בקוד ובמודל. היוצרים דורשים להשתמש בקולות אך ורק באישור הדובר ולציין שהשמע סינתטי היכן שנדרש.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗