Qwen-TTS-Clone-Demo

מה זה

הממשק בנוי בשני שלבים פשוטים. בצד אחד אתם מקליטים או מעלים דגימת שמע של הקול שתרצו לשכפל, ובשדה השני מקלידים את הטקסט שאתם רוצים שהקול יקריא. לחיצה על הכפתור שולחת את הנתונים, ובצד השני מקבלים נגן עם קובץ השמע המוגמר לצד חלונית סטטוס שמדווחת על התהליך.

מאחורי הקלעים הדמו לא מריץ את החישוב הכבד בעצמו, אלא פונה לשרת של עליבאבא דרך הספרייה dashscope. הקוד משתמש במודל qwen3-tts-vc-realtime-2025-11-27, שמיועד לעיבוד בזמן אמת של המרת קול והקראה. אין כאן הגדרות מורכבות, אלא רק חיבור ישיר לקריאת ה־API שמחזירה את התוצאה כקובץ שמע רגיל להאזנה.

מתאים ל

• בדיקת איכות שכפול

  מעלים קטע דיבור קצר כדי לראות אם המודל מצליח לחקות גוון קול מסוים.

• הפקת שמע מטקסט

  מזינים משפט לקריאה ומפיקים קובץ להאזנה בקול שהוקלט מראש.

• הערכת תמיכה בשפות

  בודקים איך המודל מתמודד עם טקסטים בשפות שונות על גבי דגימת קול אחת.

איפה זה נופל

ההדגמה הזאת מציגה רק שכפול קול בסיסי לפי טקסט נתון, בלי שליטה על מהירות דיבור, אינטונציה, רגש או פורמט הקובץ. אין שום ערובה לאיכות התמיכה בעברית או במבטאים שאינם סינית ואנגלית, שכן המודל מגיע מפיתוח סיני של Qwen. מעבר לזה, אם שרתי ה־API בענן עמוסים, ההפקה תיכשל בלי לתת לכם שליטה על תהליך השכפול עצמו.

איך משתמשים

לוחצים על הקלטת שמע או גוררים קובץ קיים, כותבים את הטקסט בתיבה, ולוחצים על Start Synthesis. לא צריך להירשם או להזין מפתח אישי כי ההדגמה מוגדרת מראש. המרחב רץ על חומרת cpu-basic פשוטה, אבל בגלל שהקוד פונה לשירות ענן חיצוני בריל-טיים, המהירות תלויה ישירות בתגובה של שרתי dashscope ולא במעבד המקומי.

הרישיון

הפרויקט מפורסם תחת רישיון apache-2.0, שמאפשר שימוש חופשי בקוד המקור. עם זאת, הקוד מתחבר לשירות DashScope חיצוני, כך שהשימוש בפלט ובשמע שנוצר כפוף גם לתנאי השירות והמדיניות של עליבאבא.

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

הרישיון המלא ב־Hugging Face ↗