GPT
הוספת כלי
B

Breeze-TTS-2

קוד פתוח

BreezeBlueother2026-08-25

  • transformers
  • safetensors
  • breeze
  • text-generation
  • text-to-speech

הפקת דיבור מהירה באנגלית ובסינית שכוללת שכפול קול, בימוי רגשי והנחיות טקסטואליות לעיצוב קול. הוא מתאים למי שבונה שיחות קוליות חיות וצריך זמן תגובה מיידי.

  • 3.5Bפרמטרים
  • 2,048טוקנים בהקשר
  • 7.2 GBמשקל הקבצים
  • 7,243הורדות בחודש

מה זה

מדובר במודל דיבור של 3.5 מיליארד פרמטרים שמוביל את טבלת ההובלה הפתוחה של Artificial Analysis ועוקף מערכות קנייניות מוכרות. הוא תומך באנגלית ובסינית ומציע כמה מצבי עבודה שונים לחלוטין: שכפול קול מדויק לפי דגימת אודיו קצרה עם תמלול, עיצוב של קול חדש לגמרי מהוראה כתובה, או בימוי של קול קיים לפי טון, קצב ומצב רוח.

בתוך הטקסט אפשר לשתול צלילים אנושיים מובנים כמו אנחה, צחוק או כחכוח בגרון בעזרת סוגריים. במבחני ביצועים עם מסלול מהיר ומחומם על גבי כרטיס H100, הוא מייצר את צליל האודיו הראשון בתוך פחות מ־40 מילישניות, ועובד בקצב של פי 3.1 מזמן אמת עם RTF של 0.32.

מתאים ל

  • בוטים קוליים לשיחה חיה

    זמן תגובה ראשוני של מתחת ל־40 מילישניות מאפשר שיחה רציפה וטבעית בלי עיכוב מורגש.

  • יצירת דמויות ממשחקים

    מאפשר לעצב קול חדש ישירות מתיאור טקסטואלי, יחד עם הוספת צחוק ואנחות בתוך המשפט.

  • שכפול קול מבוים לקריינות

    שומר על גוון הקול המקורי מדגימת אודיו תוך שליטה חיצונית בקצב ובנימה באמצעות פרומפט.

איפה זה נופל

המודל תומך באנגלית ובסינית בלבד, כך שעברית לא נתמכת כלל. בנוסף, שכפול קול דורש הקלטה נקייה מרעשים יחד עם תמלול מדויק של הנאמר, אחרת האיכות יורדת. הפעלת המסלול המהיר דורשת זמן חימום ארוך בהתחלה וצורכת כמעט פי שניים זיכרון גרפי.

שאלות
נפוצות

האם המודל עובד בעברית?

לא. המודל אומן ומיועד אך ורק לאנגלית ולסינית. ניסיון להזין טקסט בעברית לא יעבוד.

האם אפשר להשתמש בו במוצר מסחרי על שרת פרטי?

לא. רישיון המשקלים אוסר כל שימוש מסחרי בהרצה עצמית. אם רוצים שימוש מסחרי, החברה דורשת לרכוש מנוי ולהשתמש ב־API המנוהל שלה.

איזה כרטיס מסך נחוץ כדי להריץ אותו מקומית?

להרצה בסיסית מספיק כרטיס עם 12 גיגה זיכרון כמו RTX 3060 ומעלה. אם תרצו את זמני התגובה המהירים ביותר, תצטרכו כרטיס עם 24 גיגה זיכרון ומעלה כדי לעמוד בצריכה של 14.4 גיגה.

איך מריצים

כדי להריץ אותו צריך לינוקס, פייתון 3.10 לפחות וכרטיס מסך של אנבידיה. במצב ריצה רגיל הוא דורש 7.7 גיגה זיכרון גרפי, כך שכרטיס של 12 גיגה מספיק. אם מפעילים את דגל הביצועים המהירים שמשתמש בגרפי קודה מלאים לכל שלבי העיבוד, צריכת הזיכרון מזנקת ל־14.4 גיגה ותצטרכו כרטיס של 24 גיגה.

הקוד מספק שרת סטרימינג מקומי בפורמט PCM של 24 קילוהרץ, אך ברירת המחדל מוגבלת לבקשה בודדת בכל רגע. אם אתם צריכים לשרת מספר משתמשים במקביל בלי להחזיק כרטיסים יקרים, פנייה לפתרון ענן מארח עדיפה בהרבה על אירוח עצמי.

from transformers import pipeline

pipe = pipeline("text-to-speech", model="BreezeBlue/Breeze-TTS-2")
print(pipe("שלום"))

הקבצים

17 קבצים במאגר, 7.2 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הקוד ברישיון Apache 2.0, אבל משקלי המודל והפלט שתפיקו בהרצה עצמית מוגבלים למחקר ולשימוש לא מסחרי בלבד. שימוש מסחרי מותר רק דרך המנוי בתשלום והשרתים של החברה, ולא בהרצה על תשתית שלכם.

הרישיון המלא בעמוד המודל ↗