原題:KittenML/kitten-tts-2-mini
KittenMLが11月13日にアップロード:82Mパラメータ、16言語、118ボイス、24 kHz出力。int8(82.7 MB)とint4(47.5 MB)の2種類のONNX重みを提供し、どちらもCPUで動作し、PyTorchは不要です。さらにfloat32のPyTorch重みも付属しています。英語にはキャラクター設定付きのボイスが11種類あり(歴史学者、ラジオ記者、スポーツ実況など)、同じ名前のボイスはドイツ語、スペイン語、イタリア語、ポルトガル語、ロシア語も話せます。その他の言語にはそれぞれ2~8種類の番号付きボイスがあります。モデル、ボイスパック、G2PファイルはすべてApache-2.0ライセンスです。
なぜ重要か int4版は50MB未満で、CPUで動作し、Apacheライセンスにより商用利用が可能。オフライン読み上げや多言語吹き替えに適しています
上昇スコア 35 · いいね 35 · ダウンロード数 3887
理由
- 英語、ドイツ語、スペイン語、イタリア語、ポルトガル語、ロシア語、ヒンディー語、デンマーク語、フィンランド語、フランス語、日本語、韓国語、オランダ語、スウェーデン語、スワヒリ語、トルコ語の計16言語に対応
- pip install kittenml で1行インストール。選択したバックエンドと重み形式に応じて必要なファイルのみをダウンロード
- ボイスは名前または説明で指定可能。speedパラメータで話速を調整
使い方
- pip install kittenml;KittenTTS("KittenML/kitten-tts-2-mini") の後に generate(テキスト, voice="Eleanor") を実行し、soundfileで24000 Hzで書き出す
- 言語の切り替え:voiceでその言語のボイスを選択するか、language="de" のみを指定してその言語の最初のボイスを使用。英語のボイスにlanguage=を追加すると、ドイツ語、スペイン語、イタリア語、ポルトガル語、ロシア語を話せます
- weights="int4" でint4版を使用(onnxruntime 1.20以上が必要);backend="torch", device="cuda" でGPUを使ってfloat32重みを実行
リスク
- 中国語には対応していません。カード内に音声品質や誤り率の評価がなく、音声クローン機能もありません
- 英語以外の言語は、Female 1、Male 1 といった番号付きボイスが中心で、スタイルの説明がありません。本項目は実行されていません