Kokoro-TTS

מה זה

אתם כותבים טקסט בתיבה, בוחרים קול מרשימת אפשרויות, קובעים מהירות בסליידר שנע בין 0.5 ל־2 ומקבלים קובץ שמע לנגינה ולהורדה. הממשק כולל כפתורים לטעינת ציטוטים אקראיים או קטעים מתוך ספרים כמו גטסבי הגדול ופרנקנשטיין, כך שלא חייבים להדביק טקסט משלכם כדי לשמוע איך זה נשמע.

מאחורי הקלעים רץ המודל Kokoro-82M בגרסה 1.0 דרך ספריית kokoro וצינור עיבוד ייעודי. בנוסף ליצירת השמע עצמו, אפשר לצפות ברשימת הטוקנים הפונטיים שנוצרו מהקלט עד לאורך הקשר של 510 טוקנים.

מתאים ל

• בדיקת איכות קול

  האזנה מהירה לקולות שונים ולמהירויות דיבור שונות ישירות מהדפדפן.

• הפקת דגימות קריינות

  יצירת קטעי אודיו קצרים מטקסט של עד כמה מאות תווים לצורך בדיקות.

• ניתוח פונטי

  צפייה בטוקנים הפונטיים שהמודל מייצר מתוך הטקסט לבדיקת הגייה.

איפה זה נופל

המודל הזה אינו כלי להקראת ספרים שלמים בלחיצה אחת. בלשונית הרגילה יש חיתוך סביב 500 תווים, ואורך ההקשר מוגבל ל־510 טוקנים בלבד. איכות הקולות משתנה בהתאם לשפה שנבחרה, ולא כל השפות מקבלות את אותה רמת דיוק. אם השרת עמוס והעיבוד נופל ל־CPU, זמן ההמתנה לקובץ מתארך משמעותית.

איך משתמשים

העבודה מחולקת לשתי לשוניות, יצירה רגילה והזרמה בזמן אמת. בלשונית הרגילה מזינים עד כ־500 תווים ולוחצים על Generate, ובלשונית ההזרמה אפשר להזרים קטעים ארוכים יותר בעזרת כפתור Stream ולעצור בכל רגע.

הקוד רץ על חומרת zero-a10g שמקצה כרטיס גרפי לפי דרישה. במידה ויש שגיאת זיכרון או עומס על ה־GPU, הממשק מודיע על כך ומנסה להעביר את העיבוד ל־CPU באופן אוטומטי, מה שעלול להאט את הפקת הקול.

הרישיון

הקוד והמודל מפורסמים תחת רישיון apache-2.0. הרישיון מאפשר שימוש חופשי, כולל שימוש מסחרי והתאמה של הקוד, בכפוף לשמירה על תנאי הרישיון ומתן קרדיט ליוצרים. המידע שתקלידו והשמע שתפיקו מעובדים בתוך השרת שמריץ את האפליקציה.

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

הרישיון המלא ב־Hugging Face ↗