cilla-mini

Cilla Mini là mô hình tổng hợp giọng nói tiếng Ba Tư do tác giả cộng đồng mehdi-hf huấn luyện dựa trên Pocket TTS của Kyutai, sử dụng 1820 tham số khi tạo sinh, đầu ra mono ở tần số 24 kHz, và giọng nói được nhân bản từ một đoạn âm thanh tham chiếu dài 3–10 giây. Tác giả cho biết tốc độ khoảng 3.79 lần thời gian thực trên CPU đơn luồng của máy chủ đám mây, và khoảng 12–23 lần thời gian thực khi sử dụng runtime Phonon viết bằng Rust trên M1 Pro; không gian demo trên Hugging Face chạy trực tiếp trong trình duyệt bằng WebAssembly, văn bản không được tải lên. Cilla Lite cùng dòng với 1 tỷ tham số hướng tới CPU, tác giả cho biết tỷ lệ lỗi từ thấp hơn (6.7% so với 10.4%).

Cilla Mini là mô hình tổng hợp giọng nói tiếng Ba Tư do tác giả cộng đồng mehdi-hf huấn luyện dựa trên Pocket TTS của Kyutai, sử dụng 1820 tham số khi tạo sinh, đầu ra mono ở tần số 24 kHz, và giọng nói được nhân bản từ một đoạn âm thanh tham chiếu dài 3–10 giây. Tác giả cho biết tốc độ khoảng 3.79 lần thời gian thực trên CPU đơn luồng của máy chủ đám mây, và khoảng 12–23 lần thời gian thực khi sử dụng runtime Phonon viết bằng Rust trên M1 Pro; không gian demo trên Hugging Face chạy trực tiếp trong trình duyệt bằng WebAssembly, văn bản không được tải lên. Cilla Lite cùng dòng với 1 tỷ tham số hướng tới CPU, tác giả cho biết tỷ lệ lỗi từ thấp hơn (6.7% so với 10.4%).

Tại sao quan trọng Tổng hợp giọng nói tiếng Ba Tư mã nguồn mở rất hiếm; mô hình này đủ nhỏ để chạy ngoại tuyến ngay trong trình duyệt web, văn bản không rời khỏi máy cục bộ, phù hợp cho đọc màn hình và trợ lý ngoại tuyến, nhưng chỉ được phép sử dụng phi thương mại.

Lượt thích trên Hugging Face 22 · Điểm tăng hạng trên Hugging Face 21 · Lượt tải xuống trên Hugging Face 0

Giấy phép: Phi thương mại · ComfyUI: Chưa có · VRAM: ≈1 GB (ước tính)

Lý do

  • Có demo trực tuyến trong trình duyệt, script chạy trên Mac và thư viện JavaScript
  • Thẻ mô hình ghi rõ phương pháp đánh giá, điều kiện kiểm thử và các hạn chế

Cách sử dụng

  • Sau khi yêu cầu quyền truy cập và đăng nhập trên trang Hugging Face, chạy pip install "pocket-tts>=4.0.1", hf download mehdi-hf/cilla-mini --exclude "model.safetensors" "phonon/*" --local-dir cilla-mini, vào thư mục và chạy python speak_fa.py --voice prompts/parisa.wav --text "Văn bản tiếng Ba Tư" --out hello.wav; hoặc mở trực tiếp không gian demo mehdi-hf/cilla-mini-demo

Rủi ro

  • CC BY-NC 4.0, chỉ dành cho mục đích phi thương mại; chỉ hỗ trợ tiếng Ba Tư, các từ Latinh và biểu tượng cảm xúc sẽ bị xóa trực tiếp, không hỗ trợ tiếng Trung
  • Văn bản dài cần được tổng hợp từng câu, nếu không sẽ bị lặp lại hoặc bỏ sót từ; khi nhân bản giọng nói cần có sự đồng ý của người đó, và giọng nói được tạo ra nên được đánh dấu là do máy tổng hợp

Mở

抱脸 text-to-speech 上升榜

Xem tin AI mới nhất