Voice-Cloning-XTTS-v2

מה זה

אתם מספקים טקסט להקראה ודוגמת קול, שיכולה להגיע מקישור ישיר לקובץ או מתוך רשימת דוגמאות מובנית במערכת. בתמורה מקבלים קובץ שמע שבו הטקסט מוקרא בגוון הקול שנבחר.

מאחורי הקלעים רץ המודל XTTS-v2 של חברת Coqui. הקוד כולל מנגנון שבודק ומנקה את הטקסט לפני השיגור, ומזהיר מפני קישורים, כתובות אימייל, אימוג'ים, מספרים ארוכים, ראשי תיבות וסימני פיסוק מרובים שעלולים לשבש את ההגייה.

בנוסף מתבצעת חלוקה של הטקסט למקטעים לפי שקט או כמות תווים, עם אפשרות לשלוט בפרמטרים כמו מהירות הדיבור, טמפרטורה, וזיהוי שקט בהקלטה.

מתאים ל

• בדיקת איכות שכפול קול

  ניסוי מהיר של מודל XTTS-v2 על טקסטים מותאמים אישית מול דוגמאות שמע קיימות.

• הפקת שמע מקבצי קישור

  יצירת קטעי דיבור מבוססי קול חיצוני על ידי הזנת כתובת URL של קובץ מקור.

• הקראת טקסט נקי

  זיהוי וסינון מוקדם של אימוג'ים וסימנים מיוחדים שמשבשים מנועי הקראה.

איפה זה נופל

אם הטקסט כולל מספרים ארוכים, ספרות רומיות או כתובות אינטרנט, המערכת תסמן אותם כבעיה שעלולה להוביל להגייה משובשת. בנוסף, חובה להזין קישור ישיר לקובץ שמע חיצוני או לבחור מהדוגמאות, ואי אפשר להעלות קובץ ישירות מהמחשב דרך השדות שנבדקו. יש גם הגבלה על שפות נתמכות, והזנת שפה שאינה ברשימה תעצור את התהליך עם שגיאה.

איך משתמשים

הממשק בנוי בגרדיו ומאפשר לבחור דוגמת קול או להדביק כתובת לקובץ חיצוני, להזין טקסט, לכוונן את הגדרות המודל וללחוץ על הפעלה. אי אפשר להזין גם קישור וגם לבחור דוגמה מוכנה יחד.

העיבוד רץ על מאיץ A10G דרך מנגנון Zero-GPU, כך שהמשאבים מוקצים לפי דרישה. ייתכן זמן המתנה קצר אם השרת נמצא בעומס או נטען מחדש.

הרישיון

הרישיון מוגדר בתור other. מודל הבסיס XTTS-v2 פותח במקור על ידי Coqui תחת תנאי שימוש משלו, ולכן אסור להניח שמותר להשתמש בתוצרים לצרכים מסחריים בלי לבדוק את תנאי המודל המקוריים.

הרישיון המלא ב־Hugging Face ↗