Voice-Clone-Multilingual

מה זה

הממשק מבקש שלושה דברים: טקסט חופשי, קובץ שמע שמשמש כדגימת הקול, ובחירה של שפת היעד מתוך רשימה סגורה שכוללת אנגלית, ערבית, רוסית, גרמנית, צרפתית, ספרדית ועוד כמה שפות אירופיות ואסיאתיות. עברית לא מופיעה כאן.

מאחורי הקלעים הקוד משתמש בספריית TTS וטוען שורה של מודלים מוכרים בתחום, כולל Bark, Tortoise-TTS v2 ורכיבי עיבוד דיבור ממשפחת wav2vec2 ו־HuBERT. השילוב הזה לוקח את גוון הקול מההקלטה שהעליתם ומנסה להלביש אותו על הקראת הטקסט שבחרתם, בלי דוגמאות מובנות שמגיעות מראש בממשק.

מתאים ל

• דיבוב טקסטים בשפות זרות

  הקראת משפטים בערבית, אנגלית או ספרדית באמצעות שימוש בדגימת קול בודדת שלכם.

• בדיקת היתכנות לשכפול קול

  בחינה ראשונית של איכות המודלים על גוון קול מסוים לפני שמקימים סביבת פיתוח מקומית.

• יצירת קטעי שמע לפרויקטים

  הפקת שורות דיאלוג קצרות במשחקים או בסרטונים בשפות שונות בלי לגייס שחקני קול נפרדים.

איפה זה נופל

אם בניתם על עברית, היא פשוט לא נתמכת ברשימת השפות. מעבר לזה, הממשק אינו כולל פרמטרים מתקדמים לשליטה באיכות, בטמפרטורה או ברגש, כך שאי אפשר לכוונן את התוצאה אם הקול יוצא מתכתי או מקוטע. על חומרת מעבד בסיסית יש גם סיכוי לקבל זמני המתנה ארוכים מאוד או קריסות אם מעמיסים טקסטים ארוכים מדי.

איך משתמשים

לוחצים על כפתור השליחה בממשק הגראדיו אחרי שהזנתם את הטקסט והעליתם קובץ קול. אין צורך בהתחברות או בהרשמה כדי להתחיל.

העניין המרכזי כאן הוא החומרה. המרחב רץ על cpu-basic, כלומר מעבד פשוט ללא כרטיס מסך ייעודי. מודלים כבדים כמו Bark ו־Tortoise ידועים כזוללי משאבים, כך שעל מעבד בסיסי העיבוד ייקח זמן מורגש, בטח אם הטקסט ארוך. כדאי להישאר עם משפטים קצרים כדי לא להיתקע בהמתנה.

הרישיון

הרישיון של המרחב הוא MIT, מה שאומר שמבחינת הקוד מותר להשתמש, לשנות ולהפיץ כמעט ללא הגבלה. לגבי הקבצים שאתם מעלים והאודיו שנוצר, הם עוברים דרך השרת שמריץ את הממשק, ולכן לא מומלץ להעלות לשם הקלטות קול רגישות או פרטיות.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗