nara-mini-v1

Nara Mini v1 est un modèle de synthèse vocale birmane et anglaise, adapté par le projet communautaire Nara Audio à partir de Kokoro. Il propose quatre timbres vocaux (Shoon, Thazin, Ko Banyar et Htet Myat), chacun disposant d'un réseau indépendant, et produit une sortie mono en 24 kHz. Il intègre des règles de prononciation birmane, un lexique d'exceptions et des méthodes de lecture des chiffres ; l'anglais utilise la translittération Misaki. Les scripts d'exemple exécutent un encodeur ONNX et un décodeur quantifié INT8 sur CPU. Les quatre timbres ont été entraînés sur des voix synthétiques générées par VoxCPM2.

Nara Mini v1 est un modèle de synthèse vocale birmane et anglaise, adapté par le projet communautaire Nara Audio à partir de Kokoro. Il propose quatre timbres vocaux (Shoon, Thazin, Ko Banyar et Htet Myat), chacun disposant d'un réseau indépendant, et produit une sortie mono en 24 kHz. Il intègre des règles de prononciation birmane, un lexique d'exceptions et des méthodes de lecture des chiffres ; l'anglais utilise la translittération Misaki. Les scripts d'exemple exécutent un encodeur ONNX et un décodeur quantifié INT8 sur CPU. Les quatre timbres ont été entraînés sur des voix synthétiques générées par VoxCPM2.

Pourquoi c'est important La synthèse vocale open source en birman est rare. Ce modèle est utilisable commercialement, intègre des règles de prononciation birmane et des méthodes de lecture des chiffres, et propose une exportation ONNX pour les mobiles.

J'aime 10 · Points de popularité 10 · Téléchargements 258

Licence : usage commercial autorisé · ComfyUI : non disponible · VRAM : ≈2 GB (estimation)

Raisons

  • Licence Apache-2.0, usage commercial autorisé ; lors de la redistribution, il faut conserver les mentions d'attribution dans les fichiers LICENSE et NOTICE
  • Une démonstration en ligne est disponible sur Hugging Face

Utilisation

  • hf download YeeNyunn/nara-mini-v1 --local-dir nara-mini-v1, entrez dans le répertoire, exécutez pip install -r requirements.txt, puis python synthesize.py --voice shoon --text "texte à lire" --output speech.wav ; --threads définit le nombre de threads CPU

Risques

  • L'auteur n'a pas documenté la version initiale de Kokoro utilisée ; la prononciation et l'intonation peuvent être instables lors du mélange de textes chinois et anglais, et les chiffres dans les textes mixtes sont lus selon les règles birmanes
  • Le chinois n'est pas pris en charge ; la translittération anglaise dépend d'eSpeak, et chaque dépendance possède sa propre licence

Ouvrir

抱脸 text-to-speech 上升榜

Parcourir les dernières actualités IA