fish-speech (33K)

Ne işe yarar?

Fish Speech, çok karakterli sahneleri ve uzun ses kayıtlarını yönetebilen gelişmiş bir metinden konuşma üretme (TTS) model ailesidir. Drama 3 modeli, tek bir kelimeyi doğal geçişleri bozmadan değiştirmeyi sağlayan ses içi dolgulama (infilling) ve yönetmen komutlarıyla tonlama revizyonunu destekler. Sistem; fısıltı, kahkaha veya ağlama gibi dramatik duygu ifadelerini koruyarak sahne canlandırmalarını tek metin senaryosundan üretebilir. Çıkarım sunucusu olarak vLLM ve SGLang altyapılarıyla yüksek verimli akış desteği sağlar.

Neler için kullanılabilir?

• Tiyatro ve dizi senaryolarını birden fazla karakterle baştan sona seslendirmek.
• Kaydedilmiş ses akışında tek bir hatalı kelimeyi doğal tonla değiştirmek.
• Yönetmen komutlarıyla sesin duygusunu ve tonunu yeniden yönlendirerek seslendirme üretmek.
• vLLM altyapısıyla yüksek hızlı ve gerçek zamanlı ses akışı sağlamak.

Nasıl kullanılır?

1. Docker veya dokümantasyondaki yönergelerle çalışma ortamını hazırlayın.
2. Model ağırlıklarını HuggingFace üzerinden indirin.
3. Komut satırı, API sunucusu veya WebUI üzerinden ses üretimini başlatın.

Adımlar deponun README'sinden özetlendi; güncel kurulum için deponun kendi sayfasına bakın.

Kimler için?

Senaryo seslendirmesi yapan yapay zekâ geliştiricileri, ses tasarımcıları ve prodüksiyon ekipleri.

Aynı kategoriden

• Whisper Konuşmaları metne dönüştüren ve çeviri yapabilen genel amaçlı yapay zekâ modeli.
• VoiceStudio Kendi bilgisayarınızda çalışan ses klonlama, dublaj ve konuşma tanıma aracı.
• GPT-SoVITS (63K) Kısa bir ses kaydıyla ses klonlama ve metinden konuşma üretimi sağlayan web arayüzü.
• voicebox (57,7K) Yerel olarak çalışan açık kaynaklı yapay zekâ ses stüdyosu ve dikte aracı.
• whisper.cpp OpenAI Whisper modelinin C ve C++ ile yazılmış yüksek performanslı yerel sürümüdür.
• VoxCPM (39K) 30 dilde doğal seslendirme, ses tasarımı ve klonlama sunan açık kaynaklı TTS modeli.