Kitten-TTS

מה זה

מקלידים טקסט בתיבה ייעודית, בוחרים קול מתוך תפריט נפתח, קובעים את מהירות הדיבור בעזרת סליידר ומקבלים נגן עם קובץ שמע מוכן להאזנה ולהורדה. מתחת לממשק יש גם רשימת דוגמאות טקסט מוכנות מראש למי שרוצה ללחוץ ולשמוע מיד איך זה נשמע.

מאחורי הקלעים רץ המודל kitten-tts-nano-0.1 של KittenML, שמוגדר כמודל זעיר במיוחד להקראת טקסט, יחד עם חבילת kittentts וספריית soundfile לשמירת הקול. הדף מציג אקורדיון עם פרטים נוספים על המודל למי שרוצה להבין את המבנה שלו, כאשר הדוגמאות מציגות משפטים קצרים לבדיקה ראשונית בלי להקליד לבד.

מתאים ל

• בדיקת המודל הננו

  האזנה לפלט של מודל קולי זעיר כדי לבחון אם האיכות מספיקה לצורכי הפרויקט.

• הפקת דגימות קול קצרות

  יצירה מהירה של קובצי שמע ממשפטים בודדים ישירות מתוך הדפדפן.

• בחינת מהירויות דיבור

  בדיקת התנהגות הקול בקצבים שונים באמצעות סליידר המהירות המובנה.

איפה זה נופל

המודל הזה הוא גרסת נאנו זעירה, ולכן איכות הפלט והטבעיות של הדיבור מוגבלות בהשוואה למודלים כבדים בהרבה. הדוגמאות המוכנות מראש משתמשות בטקסטים קצרים שנבחרו מראש ומציגות תוצאה אופטימלית, מה שלא בהכרח ישקף משפטים מורכבים שלכם. בנוסף, חומרת המעבד הבסיסית עלולה להגיב לאט בעומס או בפסקאות ארוכות, והקוד אינו מציג תמיכה בשפות שאינן ברירת המחדל של המודל.

איך משתמשים

נכנסים לעמוד בלי צורך בהרשמה או התחברות. מדביקים את המשפט, מתאימים את המהירות ולוחצים על כפתור יצירת הדיבור. הביצוע רץ על חומרת מעבד בסיסית בלבד ללא מאיץ גרפי, כך שטקסטים ארוכים ייקחו יותר זמן בהשוואה למודלים שרצים על מעבדים גרפיים ייעודיים.

הרישיון

הפרויקט מפורסם תחת רישיון apache-2.0. הרישיון מאפשר שימוש חופשי, שינוי הקוד והפצה, כולל שימוש מסחרי, בכפוף לשמירה על תנאי הרישיון ומתן קרדיט. הקבצים שנוצרים מופקים בדפדפן ובשרת הזמני לפי הגדרות המערכת.

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

הרישיון המלא ב־Hugging Face ↗