MOSS-TTS-v1.5 — הדגמה

מה זה

מזינים טקסט בתיבה ומעלים קובץ שמע שמשמש כרפרנס לקול שרוצים לקבל. בוחרים שפה מתפריט, ומחליטים אם להפעיל שליטה באורך הדיבור באמצעות סליידר ייעודי שקובע כמות טוקנים. מתחת לזה יש הגדרות דגימה כמו טמפרטורה, top-p, top-k, ענישת חזרתיות ומספר טוקנים מקסימלי, שמשפיעים על הגיוון והיציבות של הפלט.

מאחורי הקלעים רץ המודל OpenMOSS-Team/MOSS-TTS-v1.5 בעזרת ספריית transformers של פייתון, יחד עם מעבד קול ייעודי שמתרגם את הטקסט והשמע לעיבוד מודל. בצד התצוגה מובנית טבלת דוגמאות מוכנות שאפשר לבחור מהן בלחיצה כדי לטעון שילובים שונים ישירות לתוך השדות, והפלט מוחזר כקובץ שמע לנגינה לצד תיבת סטטוס טכנית.

מתאים ל

• שכפול קול לטקסט

  מעלים דגימת שמע ומייצרים קריינות של טקסט חדש באותו גוון דיבור.

• בדיקת פרמטרי דגימה

  משחקים עם טמפרטורה וטוקנים כדי לבדוק איך המודל מגיב לשינויים.

• התנסות קולית ללא התקנה

  מריצים טקסטים קצרים ישירות בדפדפן כדי להעריך את איכות המודל.

איפה זה נופל

ההדגמה מציגה תפריט שפות ורכיבי שליטה, אבל אין פירוט בקוד לגבי איכות העברית או אילו שפות נתמכות בפועל ברמה טובה, כך שאי אפשר להסתמך עליה לעברית בלי לבדוק ישירות. בנוסף, מודלים של שכפול קול רגישים מאוד לאיכות הרפרנס. אם השמע שהעליתם רועש, התוצאה תשמע מקוטעת ולא אמינה, מה שלא תמיד רואים בדוגמאות המוכנות שנבחרו מראש.

אותה משפחה

MOSS-TTS יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

איך מריצים

בוחרים דוגמה מהטבלה או מקלידים טקסט, מעלים שמע רפרנס ולוחצים על Generate Speech. המערכת רצה על חומרת zero-a10g, מה שאומר שהיא משתמשת במעבד גרפי מסוג A10G שמתעורר לפי דרישה. אם השרת היה כבוי, תצטרכו להמתין שניות ארוכות לעלייה שלו לפני שהעיבוד מתחיל. אין צורך בחשבון או בהתחברות כדי להריץ, אבל בגלל שמדובר במשאב שיתופי, אתם עלולים להיתקל בהמתנה אם יש עומס של משתמשים במקביל.

pip install -U huggingface_hub
hf download OpenMOSS-Team/MOSS-TTS-v1.5

הקבצים

22 קבצים במאגר, 15.8 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• model-00003-of-00004.safetensors5.0 GB
• model-00001-of-00004.safetensors4.9 GB
• model-00002-of-00004.safetensors4.9 GB
• model-00004-of-00004.safetensors2.1 GB
• tokenizer.json11.4 MB
• vocab.json2.8 MB
• merges.txt1.7 MB
• model.safetensors.index.json40.4 KB
• processing_moss_tts.py35.5 KB
• modeling_moss_tts.py25.3 KB
• tts_robust_normalizer_single_script.py14.5 KB
• README.md13.7 KB
• configuration_moss_tts.py5.6 KB
• tokenizer_config.json5.5 KB
• inference_utils.py5.1 KB
• config.json2.3 KB
• .gitattributes1.6 KB
• added_tokens.json704 B
• special_tokens_map.json631 B
• chat_template.jinja352 B
• processor_config.json145 B
• __init__.py0 B

הרישיון

הקוד והמודל מפורסמים תחת רישיון apache-2.0, שמאפשר שימוש חופשי וגם מסחרי בקוד ובמשקולות. לגבי קובצי השמע והטקסט שאתם מעלים לדפדפן או אלה שנוצרים, מדובר בסביבת ענן שיתופית, לכן עדיף לא להעלות הקלטות רגישות או פרטיות.

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

הרישיון המלא בעמוד המודל ↗