Orpheus-TTS

מה זה

אתם כותבים טקסט בתיבת הקלט, בוחרים קול מתפריט נפתח, ומקבלים קובץ אודיו להאזנה ולהורדה. הממשק כולל גם דוגמאות מובנות שנטענות מראש, כך שאפשר לשמוע תוצאות מיד בלי להקליד שום דבר.

מאחורי הקלעים רץ שילוב של מודל שפה canopylabs/orpheus-3b-0.1-ft עם המקודד hubertsiuzdak/snac_24khz. המודל מייצר טוקנים של אודיו בפורמט bfloat16, והמקודד הופך אותם לצליל בתדר 24 קילו-הרץ. יש גם תפריט מתקדם שמאפשר לשחק עם פרמטרים כמו temperature, top_p, ענישה על חזרתיות ומספר הטוקנים המרבי.

מתאים ל

• בדיקת איכות קול

  האזנה מהירה לאיכות ההגייה והטבעיות של המודל על משפטים קצרים באנגלית.

• ניסוי פרמטרים של שמע

  משחק עם טמפרטורה וחזרתיות כדי לראות איך הם משפיעים על יציבות הדיבור.

• הפקת דגימות שמע

  יצירה והורדה של קטעי קול בודדים ב־24 קילו-הרץ לבדיקות פיתוח.

איפה זה נופל

הקוד מגביל את אורך הפלט באמצעות פרמטר max_new_tokens, כך שאי אפשר להזין טקסטים ארוכים במיוחד או להקריא ספרים שלמים בבת אחת. בנוסף, חומרת zero-a10g נרדמת כשאין שימוש, ולכן ייתכן שתחכו מעט בהפעלה ראשונה עד שהסביבה תתעורר. לא מדובר במערכת מוכנה לייצור, אלא בסביבת ניסוי שמציגה קולות ספציפיים שהוגדרו מראש.

איך משתמשים

מקלידים את הטקסט, בוחרים קול, ואם רוצים פותחים את ההגדרות המתקדמות כדי לשנות ערכי דגימה. לחיצה על Generate Speech מתחילה את התהליך, ומד התקדמות מציג את המצב בזמן אמת. העסק רץ על מעבד גרפי מסוג zero-a10g, מה שמבטיח יצירה מהירה יחסית של הקובץ, בלי צורך בהרשמה או התחברות מיוחדת.

הרישיון

הרישיון של היישום לא דווח כלל בעמוד. המשמעות היא שאין הרשאה ברורה לשימוש מסחרי בקוד או בתוצרי השמע, וכדאי לבדוק בנפרד את תנאי השימוש של המודלים orpheus-3b ו־snac לפני שעושים משהו מעבר לבדיקה פרטית.

הרישיון המלא ב־Hugging Face ↗