vits-models-pcr

מה זה

מזינים תיבת טקסט בסינית, ביפנית, או שילוב של שתיהן בעזרת תיוג ייעודי, ומקבלים קובץ שמע להאזנה ולהורדה. מתחת למכסה המנוע רצה ארכיטקטורת SynthesizerTrn מתוך VITS לעיבוד אותות ודיבור, שנטענת ישירות בקוד של פייתורץ'.

הממשק מסודר לפי קטגוריות ודמויות עם טאבים בשפה האנגלית והסינית, וכולל דוגמאות טקסט מובנות שממחישות את הפורמט הנדרש. בנוסף אפשר לשחק עם הגדרות מתקדמות שכוללות הזנת סימנים ישירה ושלושה סליידרים שמשפיעים על הגמישות הרגשית, משך הפונמות ומהירות הדיבור הכוללת.

מתאים ל

• בדיקת דיבוב בסינית וביפנית

  הפקת דגימות קול קצרות למשפטים בסינית או ביפנית לצורך בדיקת אינטונציה.

• השוואת פרמטרים של VITS

  בדיקה של השפעת מהירות הדיבור והשונות הרגשית על איכות הסינתזה.

• יצירת שמע משולב שפות

  הקראת טקסט המשלב יפנית וסינית באמצעות תיוג מתאים באותה שורת קלט.

איפה זה נופל

ההגבלה הבולטת ביותר היא השפות. עברית או אנגלית רגילה לא נתמכות כאן כלל, והכלי מקבל רק סינית או יפנית, תוך דרישה לתייג ידנית קטעים מעורבים בתגים קשיחים. בנוסף, יש מגבלה מפורשת של מאה מילים בכל הרצה.

ההדגמה רצה על מעבד איטי יחסית, כך שהביצועים בעמוד לא משקפים את המהירות האמיתית שאפשר להשיג עם אותו מודל על חומרת כרטיס מסך ייעודית. אם אתם מחפשים להקריא טקסטים ארוכים או שפות מערביות, אין לכם מה לחפש כאן.

איך משתמשים

בוחרים דמות וקטגוריה בלשוניות, מדביקים עד מאה מילים בתיבה ולוחצים על כפתור ההפקה. אין צורך בהרשמה או בהתחברות לחשבון, והכול נגיש מיד בדפדפן בלי תשלום.

העיבוד מתבצע על חומרת מעבד בסיסית מסוג cpu-basic ללא מאיץ גרפי. בגלל שמדובר במעבד רגיל, יצירת שמע באורך מלא עשויה לקחת זמן ולא להיות מיידית, במיוחד אם יש משתמשים נוספים שניגשים אליה במקביל.

הרישיון

הקוד מפורסם תחת רישיון apache-2.0, שמאפשר שימוש חופשי ושינוי של הקוד. עם זאת, אין פירוט לגבי זכויות היוצרים על הדאטהסטים של הקולות או הבעלות על קבצי השמע שנוצרים, ולכן מומלץ להיזהר משימוש מסחרי ישיר בתוצרים.

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

הרישיון המלא ב־Hugging Face ↗