vits-models-genshin-bh3

מה זה

מקלידים טקסט בתיבה ייעודית, בוחרים שפה ולוחצים על כפתור ההפקה. בצד השני מקבלים נגן עם קובץ שמע מוכן להאזנה ולהורדה, לצד הודעת מערכת קצרה על התהליך.

מאחורי הקלעים רץ מודל VITS לסינתזת דיבור, שממיר טקסט ישירות לגל קול באמצעות ארכיטקטורת SynthesizerTrn. הממשק מחולק לפי קטגוריות ושמות של דמויות, ומאפשר לבחור בין אנגלית לסינית בשפת התפריטים. יש בו גם טקסטים לדוגמה שכבר שתולים בפנים כדי לבדוק את הצליל מיד.

בנוסף לשפה מקבלים סליידרים ידניים לקביעת מהירות הדיבור, מידת ההבעה הרגשית ומשך ההגייה של כל פונמה. יש אפשרות לשלב בין סינית ליפנית באותו משפט באמצעות תגיות ייעודיות, או להשתמש ברשימת סמלים פנימית.

מתאים ל

• הפקת דיאלוגים קצרים

  יצירת קבצי שמע עבור סרטוני מעריצים או אנימציה שמבוססים על דמויות מוכרות.

• השמעת טקסט משולב

  בדיקת שורות דיבור שמשלבות סינית ויפנית יחד בעזרת תיוג ייעודי בתוך המשפט.

• כוונון מהירות והבעה

  התאמת רמת הרגש וקצב ההקראה של המשפט לפי צורכי הפרויקט.

איפה זה נופל

הכלי מוגבל לתקרה של מאה מילים בכל הרצה, כך שהוא לא מתאים לפסקאות ארוכות או קריינות שלמה. השפות הנתמכות הן סינית ויפנית בלבד, ואי אפשר להזין עברית או אנגלית כדי לקבל דיבור תקין. בנוסף, חומרת המעבד הבסיסית לא מאפשרת הפקה בזמן אמת, והתוצאה תלויה בדיוק של התגיות שהגדרתם למילים.

איך משתמשים

בוחרים לשונית של דמות, מדביקים טקסט בתיבה ולוחצים Generate. אין צורך בהרשמה או התחברות לחשבון, והכל פתוח ישר בדפדפן. הכלי רץ על חומרת cpu-basic בסיסית, כך שפעולת היצירה אינה מיידית ולוקחת כמה שניות טובות לכל קטע קצר. אם יש עומס משתמשים במקביל, זמן ההמתנה מתארך.

הרישיון

הקוד מופץ תחת רישיון apache-2.0 שמאפשר שימוש חופשי ושינוי. הקבצים שנוצרים פתוחים להורדה ישירה מהדפדפן, אך לא מפורט מה מעמד זכויות היוצרים של דגימות הקול ודמויות המשחק המקוריות ששימשו לאימון.

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

הרישיון המלא ב־Hugging Face ↗