TTS

מה זה

אתם מקלידים או מדביקים טקסט, והממשק מחזיר קובץ שמע מונו מלא באיכות 44.1 קילו-הרץ, לצד תיבת טקסט שמציגה את הנוסח המנורמל שנשלח בפועל לעיבוד.

מאחורי הקלעים רץ המודל TeraSpace/TeraTTSv2 בגרסת ONNX עם דוגם מסוג teacher או distilled. הטקסט עובר נרמול יוניקוד, פריסת מספרים והוספת סימוני הטעמה אוטומטיים לשפה הרוסית. הממשק מגיע עם עשרה קולות מובנים לבחירה, כאשר ברירת המחדל היא ru_f1, והקולות המומלצים הם ru_f1 ו־ru_m5.

הטקסט דורש תגיות שפה כמו ru בשביל הסינתזה וההטעמות. יש גם מחוון שמאפשר לשנות את משך הדיבור, ומפתחי הכלי ממליצים לרדת לערך של 0.8 אם משלבים קול באנגלית.

מתאים ל

• בדיקת איכות קולות

  האזנה לעשרת הקולות ברוסית לפני שמשלבים את המודל בפרויקט קוד עצמאי.

• קריינות קטעים ברוסית

  יצירת קובץ שמע קצר ברוסית עד 4,000 תווים בלי לכתוב שורת קוד אחת.

• בדיקת סימוני הטעמה

  מעקב אחרי האופן שבו המודל מנרמל מספרים ומוסיף הטעמות לטקסט רוסי.

איפה זה נופל

ההגבלה הראשונה היא אורך: הטקסט מוגבל לעד 4,000 תווים בכל הרצה, כך שלא תוכלו לזרוק פנימה פרקים שלמים מספר. המודל מתמקד אך ורק ברוסית ודורש שימוש בתגיות שפה ייעודיות כדי לסמן הטעמות כמו שצריך.

מי שמחפש עברית או שפות אחרות יגלה שזה פשוט לא עובד כאן. בנוסף, הריצה על מעבד רגיל בהדגמה לא משקפת את המהירות האמיתית שאפשר להשיג אם מריצים את קובץ ה־ONNX מקומית על חומרה מתאימה.

איך משתמשים

נכנסים לעמוד, מדביקים טקסט בתיבה, בוחרים קול מרשימת עשרת הקולות ולוחצים על הפעלה. אפשר לכוונן את מהירות הדיבור דרך הסליידר או להחליף דוגם לפני השמירה. הכל פתוח בדפדפן בלי צורך בהרשמה.

העיבוד מתבצע על מעבד בסיסי, מה שאומר שההמרה לא תהיה מיידית בקטעים ארוכים, במיוחד אם יש משתמשים נוספים בתור.

הרישיון

הפרויקט מפורסם תחת רישיון MIT. הרישיון חופשי ומאפשר שימוש נרחב, כולל שימוש מסחרי והרצה מקומית של הקוד. המידע מעובד על השרת שמארח את ההדגמה ולא נשמרות בו זכויות מיוחדות על קובצי השמע שנוצרים.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗