İçeriğe geç
Ara

Ses ve konuşma

GPT-SoVITS (63K)

Kısa bir ses kaydıyla ses klonlama ve metinden konuşma üretimi sağlayan web arayüzü.

Ne işe yarar?

GPT-SoVITS, kısa ses örneklerini kullanarak metinleri konuşmaya dönüştüren (TTS) açık kaynaklı bir yapay zekâ arayüzüdür. Model, yalnızca beş saniyelik bir kayıtla sıfır örnekli (zero-shot) üretim yapabilir ya da bir dakikalık ses verisiyle ince ayar yapılarak sesi öğrenebilir. Bütünleşik web arayüzü sayesinde kullanıcılar ses ayrıştırma, veri bölütleme ve etiketleme adımlarını harici araçlara ihtiyaç duymadan yönetebilir. Benzer sistemlere kıyasla çok az miktarda ses verisiyle yüksek benzerlik sunması ve yerel donanımda çalışabilmesiyle öne çıkar.

Neler için kullanılabilir?

  • Kendi ses tonunuzla yazılı metinleri doğal konuşma sesine dönüştürmek.
  • Az miktarda ses kaydıyla kişisel anlatıcı modelleri eğitmek.
  • Web arayüzü üzerinden ses dosyalarını otomatik bölütleyip etiketleyerek veri seti hazırlamak.
  • Farklı dillerdeki metinleri referans sesin tonuyla seslendirmek.

Nasıl kullanılır?

  1. Windows için hazırlanan sıkıştırılmış paketi indirin.
  2. go-webui.bat dosyasını çalıştırarak web arayüzünü açın.
  3. Beş saniyelik referans ses veya eğitim verisi yükleyerek seslendirme yapın.

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

Kimler için?

Yapay zekâ destekli ses sentezleme ve ses klonlama üzerinde çalışan geliştiriciler ve içerik üreticileri.

Dikkat: Başkasının yüzünü ya da sesini izni olmadan kullanmak kişilik haklarını ve KVKK'yı ihlal edebilir; yalnızca kendi görüntün ya da izin alınmış içerikle kullan. Hızlı çıkarım ve model eğitimi için CUDA destekli güçlü bir grafik kartı (GPU) veya Apple Silicon donanım önerilir.

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.
  • 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.
  • fish-speech (33K) Çok karakterli diyalog ve detaylı ses düzenleme desteği sunan açık konuşma modeli.

Bilgiler GitHub'dan 18 Ekim 2026 tarihinde alındı. Sayıyla bu deponun sahibi değildir; kullanmadan önce lisansı ve güvenliği kendiniz değerlendirin.