expressive-tts-arena

מה זה

אתם בוחרים דמות מתוך דוגמאות מוכנות מראש, או מקלידים תיאור חופשי של דמות ולוחצים על כפתור שמייצר טקסט מתאים. משם, הממשק שולח את הבקשה לייצור דיבור ומחזיר שתי תוצאות שמע שונות להאזנה, זו לצד זו.

מאחורי הקלעים הדמו מחובר למספר ספקי בינה מלאכותית שונים, בהם Hume AI, ElevenLabs, OpenAI ו־Anthropic. הוא לוקח את אותו התוכן, מייצר ממנו קולות אצל שני ספקים במקביל, ומאפשר לכם להצביע עבור האפשרות שנשמעת מלאת רגש וטבעית יותר, בפורמט של מבחן עיוור.

מתאים ל

• בדיקת איכות דיבור

  האזנה עיוורת לשני מנועי קול במקביל כדי לשמוע מי מייצר אינטונציה אמינה יותר.

• בחירת ספק קולי לפרויקט

  התרשמות ישירה מאיכות הפקת הדיבור של חברות שונות לפני התחייבות ל־API מסוים.

• הקמת זירת השוואה עצמאית

  הרצת הקוד מקומית כדי לבנות מבחן הערכה מותאם אישית בין ספקי טקסט לדיבור.

איפה זה נופל

זהו כלי השוואה והצבעה בלבד, ולא ממשק עבודה שנועד להפקת קבצי אודיו לשימוש שוטף. אי אפשר לבחור ישירות איזה מודל ספציפי מייצר איזה קטע שמע, כי המערכת בכוונה מסתירה את זהות הספקים כדי לא להטות את ההצבעה. בנוסף, רשימת המפתחות מראה תלות מלאה בספקים חיצוניים מסחריים.

איך משתמשים

התהליך כולל ארבעה שלבים קצרים. בוחרים או מגדירים דמות, לוחצים על יצירת טקסט, לוחצים על הפקת דיבור, ומאזינים לשני הקבצים כדי להצביע לאפשרות א' או ב'.

האפליקציה רצה על חומרת מעבד בסיסית, מה שאומר שהיא לא מעבדת את האודיו בעצמה אלא בעיקר מתווכת קריאות לרשת. זמן ההמתנה תלוי בעיקר בתגובת ה־API של הספקים החיצוניים.

הרישיון

הקוד פתוח תחת רישיון MIT, כך שאפשר להוריד, לשנות ולהריץ אותו באופן חופשי. עם זאת, התוכן שנוצר נשלח ומעובד דרך שירותי צד שלישי כמו Hume, OpenAI ו־ElevenLabs, וכפוף לתנאי השימוש שלהם.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗