pocket-tts-web

מה זה

אתם בוחרים חבילת שפה, כותבים טקסט ומקבלים שמע שמתנגן בהזרמה. המערכת כוללת קולות מובנים לכל שפה, ומאפשרת גם להעלות הקלטה קצרה משלכם כדי לשכפל את הקול ישירות מהדפדפן. התוצאה מופקת בלי לשלוח את האודיו לשרת חיצוני, כך שהכל נשאר במחשב שלכם.

מאחורי הקלעים רצים קובצי ONNX מכווצים בפורמט INT8 באמצעות ONNX Runtime Web על המעבד של המכשיר. החבילות כוללות מקודד ומפענח Mimi, מודל שפה מבוסס Flow ומודול התניה לטקסט. הדמו משתמש בגרסאות קלות ומדלג על גרסאות עמוקות יותר כמו 24l, כשהחבילות הזמינות כרגע הן אנגלית מחודש אפריל 2026, גרמנית, איטלקית, פורטוגזית וספרדית.

מתאים ל

• שכפול קול אישי

  מעלים קטע קצר ונקי ומייצרים ממנו הקראה בקול שלכם ישירות בדפדפן.

• בדיקת איכות קולות

  מאזינים לקולות המובנים באנגלית, גרמנית, איטלקית, פורטוגזית וספרדית.

• הערכת ביצועי מודל בדפדפן

  בוחנים מהירות יצירה והזרמת שמע מקומית על המעבד ללא תלות בשרת.

איפה זה נופל

הכלי מוגבל לחמש שפות בלבד, ועברית אינה נתמכת כלל באף אחת מהחבילות. הדמו מדלג במכוון על גרסאות המודל הגדולות מסוג 24l כדי לא להכביד על הדפדפן, כך שאיכות הדיבור עלולה להיות נמוכה מזו של המודל המקורי המלא. בנוסף, אם המחשב שלכם חלש או שהדפדפן אינו מוגדר בהקשר מאובטח, ההרצה על המעבד תהיה אטית במיוחד.

איך משתמשים

נכנסים לדף מדפדפן מודרני שתומך ב־WebAssembly כמו כרום, פיירפוקס, אדג' או ספארי. בוחרים שפה, מסמנים קול מוכן או מעלים דגימת שמע נקייה, ומפעילים. אין צורך בהרשמה, בחשבון או בתשלום, ואין תור שרתים כי העיבוד מתבצע כולו על המעבד המקומי שלכם. הביצועים וזמן ההמתנה תלויים לחלוטין בכוח העיבוד של המחשב שמריץ את הדפדפן.

הרישיון

הקוד של הממשק מופץ ברישיון Apache 2.0, אך המודלים ונכסי הקול כפופים לתנאי הרישיון המקוריים של kyutai/pocket-tts. כל הקבצים שאתם מעלים והשמע שנוצר מעובדים מקומית במכשיר שלכם ואינם נשמרים בשרת.

• שימוש מסחרי
• שינוי הקוד
• חובת ייחוס

הרישיון המלא ב־Hugging Face ↗