Основные параметры Inflect Mini v3 составляют около 3431 тысяч, нативный вывод — речь с частотой дискретизации 24 кГц; опционально небольшой усилитель может выводить звук с частотой 48 кГц. Модель работает как на CPU, так и на CUDA. В комплекте шесть предустановленных английских голосовых тембров; в текст можно вставлять восемь типов звуковых событий, таких как [laugh] (смех), [sigh] (вздох), [gasp] (всхлип) и [cough] (кашель). Инструмент Voice Tuner использует авторизованные эталонные записи длительностью от 5 до 15 секунд для создания переиспользуемых профилей тембра. Автор подчеркивает, что это настройка на основе эталона, и не гарантирует точного клонирования голоса. Репозиторий модели представляет собой полный пакет для инференса; длинные тексты автоматически разбиваются на сегменты.
Почему это важно Модель компактна и не зависит от облачных интерфейсов, что делает ее подходящей для встраивания в локальные приложения; также с помощью одной авторизованной записи можно создать переиспользуемый пользовательский тембр голоса.
Лайков: 21 · Рост рейтинга лайков: 21 · Загрузок: 280
Лицензия: разрешено коммерческое использование · ComfyUI: пока нет · VRAM: объем видеопамяти не указан
Обоснование
- Лицензия Apache-2.0, все примеры аудио сопровождаются исходными входными данными и указанием источника
- Доступна онлайн-площадка для прослушивания; после загрузки сначала проверьте список файлов, затем запускайте модель
Использование
- Создайте новое окружение Python 3.12: hf download owensong/Inflect-Mini-v3 --local-dir inflect-mini-v3, перейдите в каталог и выполните python verify_release.py, установите зависимости из core/requirements-cpu.txt, затем сгенерируйте речь командой python run.py speech --voice cassidy --text "..."
Риски
- Поддерживается только английский язык; звуковые события доступны лишь на CPU при частоте дискретизации 24 кГц. Voice Tuner в настоящее время поддерживает регистрацию только на Linux с использованием CPU.
- Для Voice Tuner требуется отдельно загружаемый энкодер, имеющий собственную лицензию; можно использовать только те голоса, на которые у вас есть права.