GUIDE teknik

Teks-ci-Wax ak Piper ak Kokoro

Offline text-to-speech dafay soppi mbind mu bind ci kàddu ci barab bi, ci jëfandikoo losisel buñ yebbi ak model wala fichier baat.

Déglul tegtal biiIA-nettali · ~3 min

Ci xët wii3 simili jàng
  1. Résumé
  2. Plongeur bu xóot
  3. Doxal ci àdduna dëgg
  4. Ëlëgu bind-ci-wax ak Piper ak Kokoro
  5. Teg ko ci jëf
  6. Weyal di banneexu
  7. Laaj yi ñuy faral di laaj

Résumé

Piper ak Kokoro projet yu wuute lañu, am model yu wuute, emballage, làkk wi ñuy wax, ak soxla hardware, kon méngaleel dokimaa ak lisence yi am ci diir bi nga bëgga jëfandikoo ak baat bi nga bëgga jëfandikoo.

Plongeur bu xóot

Text-à-kaddu, wala TTS, dafay méngale mbind mi ñu bind ak forme onde buy wax. Doxal liggéey bi ci offline dafay tekki ni aplikaasioŋ bi amna runtime bi war ak model wala fichier baat ci aparey bi ci dëkk bi te soxlawul yónnee wax bu nekk ci serwiisu TTS buñ dalal. Dafay gëna yombal disponibilite bi waaye dafay jox instalaasioŋ bi, dencukaay bi ak wareefu liggéey bi ci operatër bi. Piper projet TTS la bu ubbeeku, am kàddu yuñ mëna yebbi ak jumtukaayi inference lokal. Projet Piper bi fi nekk mingi nekk ci dencukaay OHF-Voice te foofu lañu wara xool lisaas bi ak leeral yi ci kofre bi. Kokoro famiy TTS bu wuute la, am kàrtu model boppam, ay baat, ay bibliothèque inférence, ak ay leeral ci làkk wi. Tur yi bokku ñu ci xeetu architecture bu nuróo, kalite, wala environmaa yiñ jàppale. Coppite ci versioŋ bi ak ci emballage bi mën na am, kon jëfandikool këyitu projet bi fi nekk, du tutorial bu yàgg bi. Modèlu baat wuute na ak runtime bi koy sarse. Format model yi, fonemisatër yi, diksoneer waxin yi, paketu làkk yi, ak dependansi audio yi, ñoom ñépp a ngi am njeexital ci ndax synthese bi dina dox. Benn model bu kompact mën na méngoo ak aparey CPU bu bari ay jafe-jafe, waaye beneen bi mën na soxla memory bu gëna bari wala gaawaay. Natt gaawaayu defar bi, njëgu tàmbali bi, emprent mémoire bi, ak kalite audio bi ci aparey biñ bëgga jëfandikoo. Kantite wala backend yu wuute mën nañu soppi efficacité ak output yépp. Làkk wi ak kàddu yi ñuy joxe dañu leen wara saytu ci niveau model bi. Runtime buy jàppale làkk tekkiwul ni baat bu nekk daf koy jàppale bu baax. Tur yi, abreviasion yi, nimero yi, ponksioŋ yi, ak weccoo kode yi mën nañu laaj ñu normalise mbind mi wala ñu topp sàrti waxin. Déglu test ak pàcc yu representatif moo gëna am njariñ moo gën àtte benn frase demo. Lisaas bi ak nangu gi dañu wara wuute. Kodu projet bi, diisaayu model bi, ak done yu benn baat mën nañu am ay terme yu wuute. Sooy boole baat nit kuñu mëna xàmmee, wutal ndigal nga topp sàrt yiñ tëral. Liggéeyukaay bi nekkul ci net bi ci boppam tekkiwul ni dañu nangu séddale wala jëfandikoo ko ci njaay. Xoolal fi këyit yi bawoo, seeni wersioŋ, ak tànneefi baat yi laata ñu koy yónnee.

Doxal ci àdduna dëgg

Raspberry Pi dafay yëgle tolluwaayu kaptër bi ci jëfandikoo baat Piper biñ yebbi ginaaw bimu nattee latency ak mémoire bi ci aparey bi.

Aplikaasioŋu biro dafay jëfandikoo xeetu Kokoro ci dëkk bi, ba noppi xool làkk wiñ jàppale ak configuration baat bi laata muy defar ay laaj ci làkk yu bari.

Benn ekipu produit dafay xoolaat lisence bi ngir TTS runtime ba noppi xool bu baax sàrt yiñ tëral ci baat bu nekk wala model buñ yebbi.

Jàngalekat bi jàkkarloo ak jëfandikukat bi dafay xaaj mbind mu gudd ay pàcc, baña yàq ponksioŋ yi, ba noppi di xool ndax audio bi dafay wéy ci pàcc yi.

Ëlëgu bind-ci-wax ak Piper ak Kokoro

Offline TTS mën na wéy di gëna yokk ndax emprent model yi dañuy wàññeeku, te runtime yi dañuy jàppale yeneen xeeti aparey. Jëfandikukat yi mën nañu gis tànneefi làkk ak baat yu gëna yaatu, waaye coverage ak kalite duñu tolloo ci model yi. Emballage bu gëna yomb mën na yombal boole gi, waaye model bu gëna leer ak metadata yu baat dina jàppale ekip yi ñu xoolaat anam yi ñuy jëfandikoo. Synthese locale mingi wéy di soxla test déglu, natt hardware, xoolaat lisence, ak jëfandikoo bu baax dàntite baat bi. Benchmark hardware yi dañu wara am mbind yu dëggu ak tàmbali yu sedd. Saytu mbir yooyu balaa ngay dugal leen ci anam wu yaatu.

Teg ko ci jëf

Lu tax mu am solo

  • Njëgg ak budget. Dogal yi architecture di jël dañuy indi njariñ ak njëgu liggéey bi ay at ci ginaaw.
  • dogal yu gëna leer. Njàngalem xarala yi dafay jàppale ekip yi ñu tànn li gën, te baña yam ci li gëna bees daal.
  • Xool kalite. Tanneef yu gëna baax ci wàllu ingeñër dina wàññi jafe-jafe yi ci wàllu wóor ci liggéey bi.

Moytul

  • Optimize benn benchmark mën na nëbb ñakk kattan yu gëna yaatu ci sistem bi.
  • Njëg li ñuy fay ci infrastructure yi ak ci toppatoo dañuy faral di suufeel.
  • Bu sistem yi di gëna xawa jafee xam, jafe-jafe yi am ci wàllu kaaraange ak seetlu mën nañu gëna bari.

Jéego yi ci topp

  1. Mandargal latency, kalite, ak njëg yi laata ngay jëfandikoo.
  2. Benchmark ci biir sargal ak done yu dëggu.
  3. Jumtukaay bi di saytu njuumte yi, derive bi ak njeextalu jëfandikukat bi.
  4. Waajal rollback ak yooni tontu ci jafe-jafe yi laata ngay eskale.

Weyal di banneexu

Bulletin bu amul fayda

Jàngal xibaar AI bu bes

Ñatti jaar-jaari IA yuñ firndeel bis bu nekk ci ayu-bis bi, ñu bind leen ci Àngle bu leer. Gratis ba fàww, amul yëgle.

Benn email bis bu nekk ci ayu-bis bi. Benn klik nga dindi abonemaa bi. Dunu musa jaay wala séddoo sa adres.

Nattal sa bopp

Jël kow-lëkkal Text-to-Speech bu Piper ak Kokoro quiz

Feedback ci saasi ci bépp tontu, ak sertifikaa buñ mëna séddoo ak ID buñ mëna saytu soo jàllee ci njàng mi.

Tambalil quiz

Jàppale njàngum IA te doo fay. AI Understanding mbootaay la buy def te Yàlla tax — amul yëgle, amul paywall, musul am. Defal ab sarax

Laaj yi ñuy faral di laaj

Luy Teks-ci-Wax ak Piper ak Kokoro?

Offline text-to-speech dafay soppi mbind mu bind ci kàddu ci barab bi, ci jëfandikoo losisel buñ yebbi ak model wala fichier baat. Piper ak Kokoro projet yu wuute lañu, am model yu wuute, emballage, làkk wi ñuy wax, ak soxla hardware, kon méngaleel dokimaa ak lisence yi am ci diir bi nga bëgga jëfandikoo ak baat bi nga bëgga jëfandikoo.

Lu TTS offline di def ci dëkk bi?

TTS bi ci dëkk bi dafay boole forme onde audio ci bind buñ bind ci aparey bi.

Lan moo tax ñu wara jàppee Piper ak Kokoro ni ay projet yu wuute?

Seen këyit dañu wuute, kon waru ñu jàpp ni mën nañu weccoo kàttan.

Lan moo tax ekip bi wara saytu lisence yu baat wala model yiñ yebbi, ak lisence runtime TTS?

Kod, poid ak done yu baat mën nañu am ay sàrti lisence yu wuute.

Ban limuy méngale diiru defar kàddu ak diiru audio biñ defar?

Facteur temps réel dafay xaaj diiru synthese bi ak diiru audio biñ defar; mémoire ak retard de démarrage froid ay yeneen natt lañu.

Lan moo tax ngay saytu mbind muy wane lu weesu ab frase demo bu gàtt?

Normalisasioŋu mbind ak ay pexe mën nañu indi jafe-jafe ci génnug mbind mi.