Underdog-Woof-Japanese

Underdog Woof Japanese — это небольшая модель синтеза речи на японском языке, где оба голоса содержатся в одном файле размером 40.5 МБ. По словам автора, на одноядерном процессоре Apple M5 Max скорость составляет примерно 14.5-кратную от реального времени, а пиковое потребление памяти — 437 МБ; при этом не требуются ни видеокарта, ни API-ключ. Автор протестировал модель на 446 японских предложениях (из них 281 содержали сложные для чтения элементы, такие как даты, цены, телефонные номера и адреса), сравнивая результаты по показателю частоты ошибок в написании каны. Для сложных предложений показатель составил 1.33%, что ниже, чем у Fish Audio Drama 3, Qwen3-TTS и Kokoro.

Underdog Woof Japanese — это небольшая модель синтеза речи на японском языке, где оба голоса содержатся в одном файле размером 40.5 МБ. По словам автора, на одноядерном процессоре Apple M5 Max скорость составляет примерно 14.5-кратную от реального времени, а пиковое потребление памяти — 437 МБ; при этом не требуются ни видеокарта, ни API-ключ. Автор протестировал модель на 446 японских предложениях (из них 281 содержали сложные для чтения элементы, такие как даты, цены, телефонные номера и адреса), сравнивая результаты по показателю частоты ошибок в написании каны. Для сложных предложений показатель составил 1.33%, что ниже, чем у Fish Audio Drama 3, Qwen3-TTS и Kokoro.

Почему это важно

Возможность правильно произносить иероглифы, даты, цены, телефонные номера, почтовые индексы и адреса в соответствии с повседневными нормами значительно снижает порог входа для создания японских новостных дикторов или учебных инструментов.

Лайки «Facepalm» 5 · Рост рейтинга «Facepalm» 5 · Загрузки «Facepalm» 0

Лицензия: некоммерческая · ComfyUI: пока нет · Видеопамять: не указана

Причины

  • Английская версия Underdog Woof уже была включена в предыдущий рейтинг роста «Facepalm»; это newly released японская версия

Использование

  • Выполните pip install numpy pyopenjtalk-plus, загрузите модель, а затем запустите python -m underdog\_woof\_ja "текст" hello.wav. Для смены голоса используйте флаг --voice mikasa

Риски

  • Лицензия Underdog является некоммерческой, поэтому коммерческое использование запрещено
  • Оценка выполнена автором; процедуры транскрипции и сравнения описаны в карточке модели

Открыть

抱脸 text-to-speech 新模型

Открыть последние новости ИИ