ikechan8370/vits-uma-genshin-honkai

מה זה

מזינים טקסט של עד מאה מילים, בוחרים דמות מתוך רשימת הדוברים ומקבלים קובץ שמע להאזנה והורדה. ברירת המחדל בתיבת הטקסט מציגה משפט פשוט בסינית על מה אוכלים לארוחת ערב, לצד אפשרות בחירה בדמות מספר 228 מתוך הרשימה.

מאחורי הממשק רץ מודל VITS לסינתזת דיבור, שנשען על ארכיטקטורת SynthesizerTrn ועיבוד טקסט לרצף פונטי. המערכת כוללת תמיכה בשלוש אפשרויות שפה: סינית, יפנית, ושילוב של שתיהן שדורש עטיפה של המילים בתגיות ייעודיות לכל שפה.

בנוסף לבחירת הדמות יש שלושה מחוונים שקובעים את אופי הדיבור: מידת הרגש והגיוון, אורך ההגייה של הפונמות ומהירות הדיבור הכללית. בלשונית נפרדת אפשר לראות את רשימת כל הדמויות הזמינות כדי לאתר את השם המבוקש.

מתאים ל

• דיבוב קטעי וידאו קצרים

  יצירת שורות מחץ או דיאלוגים קצרים בקולות הדמויות עבור סרטוני מעריצים.

• הפקת צלילי התראה

  הורדת קובצי שמע קצרים מותאמים אישית לשימוש כהודעות קוליות בטלפון.

• בדיקת הגייה ביפנית וסינית

  האזנה למשפטים בסינית או יפנית בקצב דיבור משתנה לפי בחירה.

איפה זה נופל

יש מגבלה קשיחה של מאה מילים לכל הרצה, כך שאי אפשר להקריא טקסטים ארוכים או פסקאות שלמות בבת אחת. אין תמיכה בעברית או באנגלית, אלא רק בסינית ויפנית. שילוב בין השפות מחייב תיוג ידני מעיק של כל מילה. בגלל שהשרת מבוסס על מעבד בלבד, עומס משתמשים יאט את העבודה משמעותית.

איך משתמשים

כותבים את הטקסט, בוחרים שפה ודמות, ולוחצים על כפתור השליחה. אפשר להשתמש בתיבת החיפוש כדי למצוא דמות ספציפית במקום לגלול ברשימה הארוכה. המערכת רצה על מעבד בסיסי בלי כרטיס גרפי, כך שיצירת השמע תיקח מעט זמן ולא תהיה מיידית. אין צורך בחשבון או בהתחברות, ובסיום מופיע נגן שמע עם כפתור הורדה ישיר.

הרישיון

הקוד מופץ תחת רישיון אפאצ'י 2.0 שמאפשר שימוש חופשי, שינוי והפצה. עם זאת, הקולות שנוצרים שייכים לדמויות מוגנות ממשחקים מסחריים, מה שיוצר סיכון משפטי בשימוש שאינו פרטי.

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

הרישיון המלא ב־Hugging Face ↗