Ming-3.0-tts (offline, voice clone, 7 languages)

Fungsinya

Sebelum menginstal

Ming-3.0-tts adalah model besar, sekitar 1,5 miliar parameter bersama codec audionya. Model ini banyak menuntut dari komputer Anda:

• Disk: sekitar 3,4 GB, sebagian besar model 2,99 GB yang diunduh pada baris pertama yang Anda dubbing.
• Memori: sekitar 5 GB kosong. Dengan lebih sedikit tetap berjalan, tetapi jauh lebih lambat.
• Waktu: di CPU, setiap detik ucapan butuh sekitar empat sampai lima detik untuk dibuat, di Intel Core i7-13700T. Video sepuluh menit bisa memakan sekitar tiga perempat jam.

Untuk dubbing cepat di komputer sederhana, Piper atau Kokoro jauh lebih ringan.

Suara

Di tab Pembicara, pilih Ming-3.0-tts sebagai Mesin dubbing seorang pembicara, lalu pilih Suara. Aktifkan Sesuaikan dubbing dengan durasi subtitle agar pembicara itu meregangkan atau memampatkan setiap baris sesuai subtitlenya.

12 suara.

Suara klon

Dengan Speaker's own voice, Subtitld memotong sampel pembicara itu dari audio proyek, dari salah satu subtitlenya yang berdurasi 3 sampai 12 detik, atau beberapa subtitle pendek yang digabung. Jika Anda sudah memisahkan musik dari suara untuk video ini, sampelnya diambil dari suara saja. Fallback reference clip di pengaturan add-on hanya dipakai ketika tidak ada sampel yang bisa dipotong.

Subtitld mengirim teks subtitle bersama sampelnya, dan Ming-3.0-tts melanjutkan darinya, yang paling mendekati pembicara, termasuk cara bicaranya. Jika dubbing ke bahasa lain tetap membawa aksen pembicara, aktifkan Clone the timbre only.

Suara bawaan

Emma (Amerika), George dan Charlotte (Inggris), Ling Xiaorou dan Ling Kai (Tiongkok) adalah pembicara yang dipelajari model. Masing-masing terdengar sama di setiap baris, dan masing-masing berbicara dalam ketujuh bahasa.

Suara dari deskripsi

Ming-3.0-tts membuat suara baru setiap kali membaca sebuah deskripsi. Karena itu add-on membuat suara setiap pembicara sekali, dan setiap baris pembicara itu memakainya lagi: suaranya tetap sama sepanjang video, dan dua pembicara dengan deskripsi yang sama tetap terdengar seperti dua orang.

Emosi, kecepatan, nada, dan volume

Ini adalah pengaturan add-on, jadi berlaku untuk setiap pembicara yang di-dubbing dengan suara klon atau suara dari deskripsi. Ini adalah kontrol milik model sendiri, yang mengambil bunyi suara pembicara tetapi tidak cara bicaranya, dan bekerja satu per satu: emosi, jika diatur, menimpa kecepatan, nada, dan volume. Suara bawaan mengabaikannya.

Pada baris berbahasa Mandarin atau Inggris, model juga membuat bunyi yang ditulis di dalam teks: [Laughter], [Sigh], [Breathing], [Cough], [Uhm], dan beberapa lainnya.

Model

Hanya ada satu model, Ming-3.0-tts-0.5B. Model ini tidak ada di dalam add-on: model diunduh ke cache model bersama Subtitld saat pertama kali Anda melakukan dubbing, dari Hugging Face pada revisi yang dipatok, dengan setiap berkas diperiksa. Unduhan yang terputus dilanjutkan dari tempat berhentinya. Memperbarui atau menghapus add-on tidak menghapus modelnya.

Baris pertama juga memuat model, sehingga butuh waktu lebih lama daripada baris berikutnya. Batal menghentikan baris di antara dua langkah, atau menghentikan unduhan.

Opsi

Di Pengaturan › Pengaya › Ming-3.0-tts (offline, voice clone, 7 languages) › Atur.

Bahasa

Mandarin, Inggris, Jepang, Korea, Jerman, Prancis, dan Spanyol. Setiap suara bisa berbicara dalam setiap bahasa tersebut.

• zh
• en
• ja
• ko
• de
• fr
• es

Platform

Linux x86-64, macOS di Apple Silicon, dan Windows x86-64. Setiap rilis dibangun di ketiganya, dan CI memeriksa bahwa semua yang dibutuhkan untuk berbicara ada di dalam build. CI tidak menjalankan modelnya sendiri.

Pemecahan masalah

• network_unavailableModel tidak dapat diunduh. Periksa koneksi Anda dan coba lagi: unduhan akan dilanjutkan.
• disk_fullRuang disk tidak cukup untuk model. Dibutuhkan sekitar 3,4 GB kosong.
• oomMemori habis. Tutup program lain; Ming-3.0-tts butuh sekitar 5 GB kosong.
• bad_paramsBaris tidak memiliki teks, suara klon tidak mendapat sampel, atau Voice you describe tidak memiliki deskripsi. Pesannya menyebutkan yang mana: buka videonya, atur Fallback reference clip, atau tulis Voice description.
• unsupported_voiceProyek menyebut suara yang tidak ada di versi ini. Pilih suaranya lagi di tab Pembicara.
• internalAda yang gagal di dalam add-on; pesannya berisi detailnya. Jika Anda mengubah Inference device, kembalikan ke Otomatis.

Lisensi

Aman untuk pekerjaan komersial: add-on ini Apache-2.0, sedangkan kode Ming-3.0-tts dan bobot Ming-3.0-tts-0.5B adalah MIT. Dubbing yang Anda buat adalah milik Anda. Suara klon terdengar seperti orang sungguhan: kloning hanya suara yang berhak Anda pakai, dan nyatakan bahwa dubbing itu sintetis bila hal itu penting.