sovits-models

מה זה

אתם מעלים קובץ שמע של דיבור או שירה, או מקלידים טקסט ישירות אם בוחרים במצב הקראה. המערכת מבוססת על מודל So-VITS-SVC לעיבוד והמרת קול, ובנוסף משלבת את edge-tts כדי להקריא טקסט לפני שהקול עובר את ההמרה הסופית. בצד של הפלט אתם מקבלים קובץ שמע מעובד עם גוון הקול שנבחר יחד עם הודעת מערכת קצרה על הביצוע.

הממשק מחולק ללשוניות לפי קטגוריות ודגמים שונים. אפשר לשנות את גובה הצליל באמצעות פרמטר מספרי, להפעיל זיהוי גובה צליל אוטומטי, ולבחור את הקול המקריא אם עובדים עם טקסט ולא עם קובץ מוקלט מראש.

מתאים ל

• המרת גוון קול בהקלטה

  מעלים קטע שירה או דיבור קצר וממירים אותו לקול אחר לפי המודלים הקיימים.

• הקראת טקסט בקולות מותאמים

  מקלידים עד 100 מילים, יוצרים שמע ראשוני עם edge-tts ומלבישים עליו את הדגם.

• התאמת גובה צליל לקול

  משנים את ערך הטרנספורמציה כדי להתאים את המנעד המוזיקלי לקול היעד.

איפה זה נופל

הבעיה המרכזית כרגע היא שהעמוד מדווח על שגיאת ריצה, כך שהוא פשוט לא עובד בדפדפן בלי תיקון של הקוד או סביבת העבודה. מעבר לזה, המגבלות של 20 שניות לקובץ ועד 100 מילים לא מאפשרות לעבד קטעים ארוכים או שירים מלאים. הריצה על מעבד רגיל גורמת לזמני המתנה ארוכים, ואי אפשר להסתמך על זה לעבודה שוטפת לפני שבודקים שהקוד תוקן.

איך משתמשים

בוחרים דגם מתוך הלשוניות, מחליטים אם להעלות קובץ או לסמן את מצב הטקסט, ומזינים את התוכן. אם מעלים שמע יש הגבלה של עד 20 שניות, ובטקסט יש הגבלה של עד 100 מילים. מגדירים את שינוי הטון לפי הצורך ולוחצים על כפתור ההפקה. הממשק מוגדר על חומרת מעבד בסיסית, מה שאומר שהעיבוד איטי יחסית לכרטיסי מסך ודורש סבלנות.

הרישיון

הפרויקט מפורסם תחת רישיון MIT, שמאפשר שימוש חופשי, שינוי והפצה כולל שימוש מסחרי בקוד. הרישיון לא מפרט תנאים מיוחדים לגבי זכויות היוצרים על קובצי השמע שמעלים או מפיקים.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗