VoxCPM-Demo

מה זה

אתם מעלים קובץ שמע לחיקוי קול באורך של עד 50 שניות, מקלידים את הטקסט שאתם רוצים להקריא, ומקבלים קובץ שמע חדש. אם אין לכם קובץ קול, אפשר להזין הנחיית טקסט ולבקש מהמערכת לבנות קול מתוך התיאור בלבד. הממשק תומך באנגלית ובסינית, כולל אפשרות לתמלל את קובץ המקור באופן אוטומטי כדי לחבר אותו לטקסט.

מאחורי הקלעים רץ המודל VoxCPM2 דרך מנוע Nano-vLLM, לצד מודל תמלול בשם SenseVoiceSmall ומנגנון ZipEnhancer לניקוי רעשים מקובץ המקור. בהגדרות המתקדמות אפשר לשלוט בצעדי הדגימה ובסינון הרעשים לפני שהאודיו מקודד.

מתאים ל

• שיבוט קול מקובץ קצר

  מעלים קטע דיבור נקי של עד 50 שניות ומקבלים הקראה של טקסט חדש באותו גוון קול.

• יצירת קול מתיאור מילולי

  מזינים הוראה טקסטואלית על אופי הדובר ומפיקים ממנה קול ייחודי בלי צורך בהקלטה מראש.

• בדיקת איכות של VoxCPM2

  מריצים טקסטים שונים לבחינת ההגייה והקצב של מנוע הדיבור לפני הטמעה במערכות שלכם.

איפה זה נופל

הקובץ המצורף מוגבל ל־50 שניות בלבד, ומעבר לזה המערכת פשוט דוחה את הבקשה. כפתור הנרמול בממשק מוצג רק בשביל תאימות אבל המנוע בפועל מתעלם ממנו. בנוסף, שינוי של צעדי הדגימה גורר בנייה מחדש של השרת, מה שמייצר עיכובים ארוכים והודעות על עומס.

איך משתמשים

לוחצים על כפתור ההפעלה אחרי שמעלים שמע ומזינים טקסט. לא צריך חשבון, אבל ברירת המחדל של סביבת ההרצה היא מעבד בסיסי בלבד, בזמן שהקוד דורש כרטיס גרפי קבוע וספריות כבדות. אם הסביבה לא שודרגה לשרת גרפי ייעודי, ההרצה עלולה להיכשל לחלוטין או להיתקע על שגיאות זמני המתנה.

הרישיון

הקוד מופץ ברישיון Apache 2.0 שמאפשר שימוש חופשי כולל שימוש מסחרי והתאמות. אם מוגדר אחסון קבוע בסביבה, בקשות ההרצה נשמרות בקובצי יומן יומיים, ולכן לא מומלץ להעלות לשם הקלטות עם מידע רגיש.

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

הרישיון המלא ב־Hugging Face ↗