gepard

מה זה

אתם מזינים טקסט ובוחרים אם להשתמש באחד הקולות המובנים במערכת או להעלות הקלטה משלכם. אפשר להקליט ישירות מהמיקרופון או להעלות קובץ שמע קיים, והמערכת דוחסת את הקול שלכם לשמונה טוקנים כדי לחקות את גוון הדיבור. בסיום התהליך מקבלים קובץ שמע להאזנה ולהורדה.

מאחורי הקלעים רץ שילוב של כמה מודלים. הבסיס נשען על המודל gepard עם שלד של Qwen3.5 שעבר אימון DPO או GRPO, יחד עם wavlm base plus ודוחס האודיו nemo nano codec שפועל ב־22 קילו-הרץ. הממשק חושף הגדרות יצירה כמו טמפרטורה שמוגדרת כברירת מחדל על 0.3, ומדדי cfg scale שמכוונים לחידוד ההצמדות לטקסט ולקול המקורי.

מתאים ל

• שכפול קול אישי

  מעלים קטע שמע קצר או מקליטים במיקרופון כדי להפיק הקראה שנשמעת כמו הדובר המקורי.

• הקראת טקסטים מהירה

  בוחרים דובר מתוך רשימת הקולות המוכנים מראש כדי לייצר קובץ אודיו ישירות מטקסט כתוב.

• כוונון פרמטרי יצירה

  משנים ערכי טמפרטורה ורמות cfg scale כדי לבדוק איך אלגוריתם ההנחיה משפיע על איכות הדיבור.

איפה זה נופל

האיכות תלויה לחלוטין בדגימת הקול שתעלו. קולות מובנים עובדים מיד בלי צורך בעיבוד מקדים, אבל שכפול קול דוחס את השמע לנפח מזערי של שמונה טוקנים בלבד, מה שעלול לאבד ניואנסים עדינים. בנוסף, המודלים לא הוכרזו כבעלי תמיכה בשפות ספציפיות כמו עברית, כך שסביר מאוד שהתוצאה בטקסטים שאינם באנגלית תהיה משובשת או בלתי שמישה בעליל.

איך משתמשים

לוחצים על כפתור היצירה אחרי שמקלידים את הטקסט ובוחרים קול או מקליטים דגימה. השרת רץ על חומרת zero a10g ומנהל תור בקשות דרך gradio, כך שהמודל כבר טעון ברקע והעיבוד מתבצע רק בזמן הבקשה עצמה. בגלל שמדובר במשאב שיתופי עשוי להיות תור קצר, אבל אין צורך בהתחברות או בהזנת פרטים אישיים כדי לנסות את הממשק.

הרישיון

הקוד והחלל מופצים תחת רישיון apache 2.0 שמאפשר שימוש חופשי ופיתוח נוסף. עם זאת, מאגר המודל המקורי gepard מוגדר כפרטי ודורש הרשאות גישה, כך שאי אפשר פשוט להוריד את המשקולות באופן עצמאי בלי מפתח מתאים.

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

הרישיון המלא ב־Hugging Face ↗