cilla-mini

Cilla Mini 是社区作者 mehdi-hf 基于 Kyutai 的 Pocket TTS 训练的波斯语语音合成模型,生成时用 1820 万参数,输出 24 kHz 单声道,声音从一段 3–10 秒的参考音频克隆。作者称在云服务器单线程 CPU 上约 3.79 倍实时,在 M1 Pro 上用 Rust 写的 Phonon 运行时约 12–23 倍实时;抱脸演示空间直接在浏览器里用 WebAssembly 运行,文字不上传。同系列 1 亿参数的 Cilla Lite 面向 CPU,作者称词错率更低(6.7% 对 10.4%)。

Cilla Mini 是社区作者 mehdi-hf 基于 Kyutai 的 Pocket TTS 训练的波斯语语音合成模型,生成时用 1820 万参数,输出 24 kHz 单声道,声音从一段 3–10 秒的参考音频克隆。作者称在云服务器单线程 CPU 上约 3.79 倍实时,在 M1 Pro 上用 Rust 写的 Phonon 运行时约 12–23 倍实时;抱脸演示空间直接在浏览器里用 WebAssembly 运行,文字不上传。同系列 1 亿参数的 Cilla Lite 面向 CPU,作者称词错率更低(6.7% 对 10.4%)。

为什么重要 开源的波斯语语音合成很少;它小到能在网页里离线跑,文字不出本机,适合读屏和离线助手,但只许非商用。

抱脸点赞 22 · 抱脸上升分 21 · 抱脸下载 0

许可证:非商用 · ComfyUI:暂无 · 显存:≈1 GB 估算

理由

  • 有浏览器在线演示、Mac 运行脚本和 JavaScript 库
  • 模型卡写清了评测方法、测试条件和限制

用法

  • 在抱脸页面申请访问并登录后,pip install "pocket-tts>=4.0.1",hf download mehdi-hf/cilla-mini --exclude "model.safetensors" "phonon/*" --local-dir cilla-mini,进入目录运行 python speak_fa.py --voice prompts/parisa.wav --text "波斯语文本" --out hello.wav;也可以直接打开演示空间 mehdi-hf/cilla-mini-demo

风险

  • CC BY-NC 4.0,仅限非商用;只说波斯语,拉丁字母单词和表情会被直接删掉,不支持中文
  • 长文本要逐句合成,否则会重复或漏词;克隆声音要取得本人同意,生成的语音应标明是合成

打开

抱脸 text-to-speech 上升榜

浏览最新 AI 动态