Nara Mini v1 — это модель синтеза речи на бирманском и английском языках, созданная сообществом Nara Audio на базе Kokoro. Она предлагает четыре голоса: Shoon, Thazin, Ko Banyar и Htet Myat, каждый из которых использует собственную нейросетевую архитектуру и выводит монофонический звук с частотой 24 кГц. Модель включает встроенные правила произношения для бирманского языка, словарь исключений и правила чтения числительных; для английского языка используется транскрипция Misaki. Примеры скриптов работают на CPU, используя ONNX-энкодер и декодер с квантованием INT8. Четыре голоса были обучены на синтетической речи, сгенерированной с помощью VoxCPM2.
Почему это важно Открытых решений для синтеза бирманской речи очень мало. Эта модель доступна для коммерческого использования, содержит встроенные правила произношения и чтения числительных на бирманском языке, а также поддерживает экспорт в формат ONNX для мобильных устройств.
Лайки 🤗 10 · Рост рейтинга 🤗 10 · Загрузки 🤗 258
Лицензия: разрешено коммерческое использование · ComfyUI: отсутствует · Память GPU: ≈2 ГБ (оценка)
Причины
- Лицензия Apache-2.0 разрешает коммерческое использование; при распространении необходимо сохранять указания авторства в файлах LICENSE и NOTICE
- Доступна онлайн-демонстрация на Hugging Face Spaces
Использование
- Выполните команду hf download YeeNyunn/nara-mini-v1 --local-dir nara-mini-v1, перейдите в каталог и установите зависимости командой pip install -r requirements.txt, затем запустите python synthesize.py --voice shoon --text "текст для озвучивания" --output speech.wav; параметр --threads задает количество потоков CPU
Риски
- Автор не указал исходную версию Kokoro; при смешанном китайско-английском тексте произношение и интонация могут быть нестабильными, а числа в таком тексте читаются по правилам бирманского языка
- Китайский язык не поддерживается; транскрипция английского языка зависит от eSpeak, и каждая зависимость имеет свою собственную лицензию