nara-mini-v1

Nara Mini v1 は、コミュニティプロジェクト Nara Audio が Kokoro をベースに改良したミャンマー語・英語対応の音声合成モデルです。Shoon、Thazin、Ko Banyar、Htet Myat の4つの音色があり、各音色ごとに独立したネットワークを使用し、24 kHz のモノラル音声を出力します。ミャンマー語の発音規則、例外単語リスト、数字の読み上げ機能を備え、英語には Misaki による注音(発音記号)を使用しています。サンプルスクリプトでは、CPU 上で ONNX エンコーダーと INT8 量子化デコーダーを実行します。4つの音色は、VoxCPM2 で生成された合成音声を用いて訓練されました。

Nara Mini v1 は、コミュニティプロジェクト Nara Audio が Kokoro をベースに改良したミャンマー語・英語対応の音声合成モデルです。Shoon、Thazin、Ko Banyar、Htet Myat の4つの音色があり、各音色ごとに独立したネットワークを使用し、24 kHz のモノラル音声を出力します。ミャンマー語の発音規則、例外単語リスト、数字の読み上げ機能を備え、英語には Misaki による注音(発音記号)を使用しています。サンプルスクリプトでは、CPU 上で ONNX エンコーダーと INT8 量子化デコーダーを実行します。4つの音色は、VoxCPM2 で生成された合成音声を用いて訓練されました。

なぜ重要か ミャンマー語のオープンソース音声合成モデルは非常に少ない中、このモデルは商用利用が可能で、ミャンマー語の発音規則や数字の読み上げ機能を備えています。さらに、モバイルデバイス向けの ONNX エクスポート機能も提供されています。

Hugging Face のいいね数 10 · Hugging Face のトレンドスコア上昇分 10 · Hugging Face のダウンロード数 258

ライセンス:商用利用可 · ComfyUI:未対応 · VRAM 使用量:約2 GB(推定)

理由

  • Apache-2.0 ライセンスで、商用利用が可能です。再配布時には LICENSE および NOTICE ファイル内の著作権表示を保持する必要があります。
  • Hugging Face 上にオンラインデモスペースがあります。

使い方

  • hf download YeeNyunn/nara-mini-v1 --local-dir nara-mini-v1 を実行し、ディレクトリに移動して pip install -r requirements.txt で依存関係をインストールします。その後、python synthesize.py --voice shoon --text "読み上げるテキスト" --output speech.wav を実行します。--threads オプションで CPU スレッド数を設定できます。

リスク

  • 開発者がベースとして使用した Kokoro のバージョンが記録されていません。中国語と英語の混在テキストでは、発音やイントネーションが不安定になる可能性があります。また、混在テキスト内の数字もミャンマー語の規則に従って読み上げられます。
  • 中国語には対応していません。英語の注音は eSpeak に依存しており、各依存ライブラリには個別のライセンスがあります。

開く

抱脸 text-to-speech 上升榜

最新の AI ニュースを見る