Inflect (offline, lightweight English)
Owen Song による、パラメーター数 1,000 万未満のモデル Inflect v2 を使い、字幕を自然なアメリカ英語で吹き替えます。お使いのコンピューターのプロセッサーで動作し、グラフィックスカードもアカウントも不要で、実時間の何倍もの速さで話します。
設定 アドオン Inflect (offline, lightweight English) インストール
Subtitld がダウンロードして SHA-256 を確認し、最新の状態に保ちます。
- 言語
- 1
- モデル
- 2
- 音声
- 2
- アドオンのダウンロード
- 35–45 MB
- RAM(最低)
- 512 MB
機能
Inflect v2 のパラメーター数は 1,000 万未満ですが、何倍も大きなモデルに近い音声になります。アメリカ英語の声が1つ、24 kHz です。
デスクトップのプロセッサーでは、Micro は実時間の約13倍、Nano は約30倍の速さで話します。1コアだけでも、どちらも実時間より速く話します。メモリは 300 MB 未満です。
各モデルは、その声が初めて話すときにダウンロードされます。Micro は 38 MB、Nano は 16 MB です。その後は、何もコンピューターの外に出ません。
モデルは Apache-2.0、アドオンは GPL-3.0-or-later です。作成した吹き替えはあなたのものです。
声
話者タブで、話者の吹き替えエンジンとして Inflect を選び、ボイスを選びます。各セリフを字幕に合わせて伸縮するには、その話者の吹き替えを字幕の長さに合わせるをオンにしてください。
音声 2 種 1 言語.
en-us2
どちらの声も同じ合成のアメリカ人男性の声で、モデルの作者が実在の人物の録音を使わずに作ったものです。Micro のほうがやや自然に聞こえ、Nano はより小さく高速です。Inflect は声をクローンしません。話者自身の声で吹き替えるには、Sopro や Chatterbox などのボイスクローンエンジンを選んでください。
各セリフは毎回同じシードで話されるため、同じ声でセリフをもう一度吹き替えると、同じ音声になります。
モデル
モデルはアドオンには含まれていません。各モデルは、その声が初めて話すときに、固定されたリビジョンで Hugging Face から Subtitld の共有モデルキャッシュへダウンロードされ、各ファイルが確認されます。中断したダウンロードは、止まったところから再開します。アドオンを更新・削除してもモデルは残ります。
| モデル | ダウンロード | 向いている用途 |
|---|---|---|
| Inflect-Micro v2 (9.4M, ONNX) 既定 inflect-micro-v2 | 最高の品質、実時間の約13倍の速さ | |
| Inflect-Nano v2 (4.0M, ONNX) inflect-nano-v2 | 最も小さく最も速い、実時間の約30倍の速さ、自然さはやや劣る |
アドオンは、Inflect の作者が公開している ONNX 版を PyTorch なしで実行します。同じセリフで作者自身のコードと比べたところ、作者のテストセットの 412 文すべてで同じ発音になり、両方のモデルで同じ音声になりました。
オプション
設定 › アドオン › Inflect (offline, lightweight English) › 設定 で変更できます。
00 にすると、コンピューターの論理プロセッサーの半分(最大8)を使います。スレッドを減らすと、吹き替え中もコンピューターが軽快に動きます。
1Inflect 自体が話す速さです。1.0 が本来の速さで、1.2 は20%速くなります。モデル自体が速く、または遅く話すので、音声が引き伸ばされることはありません。
0.6670 は平板で毎回同じになり、高くするほど生き生きします。0.667 は Inflect 自体の既定値です。
言語
英語のみです。英語のプロジェクト(アメリカ、イギリス、オーストラリアなど)は、どれもアメリカ英語の声で読み上げられます。ほかの言語のプロジェクトでは、その旨のメッセージが表示されます。その場合は別の吹き替えエンジンを選んでください。
数字、価格、日付、時刻、一般的な略語は言葉として読み上げられます。「$3.50」は「three dollars and fifty cents」になります。珍しい名前や地名、ほかの言語の単語は、発音を誤ることがあります。
en-us
プラットフォーム
| システム | ダウンロード | 動作確認 |
|---|---|---|
| Linux x86-64 | 45.3 MB | 実機と CI で、両方のモデルを使って吹き替え |
| macOS (Apple シリコン) | 40.4 MB | CI で両方のモデルを使って吹き替え(Apple Silicon) |
| Windows x86-64 | 35.3 MB | CI で両方のモデルを使って吹き替え |
Linux x86-64(2018年以降のすべてのディストリビューション)、Apple Silicon の macOS、Windows x86-64。各リリースは3つすべてでビルドされ、それぞれで CI が Subtitld と同じ方法でアドオンをインストールし、両方のモデルをダウンロードして、それらを使って吹き替えます。
トラブルシューティング
network_unavailableモデルをダウンロードできなかったか、ダウンロードしたファイルが確認に失敗して破棄されました。接続を確認して、もう一度試してください。ダウンロードは再開されます。disk_fullモデルに必要なディスク容量がありません。Micro は 38 MB、Nano は 16 MB です。unsupported_languageプロジェクトの言語が英語ではないか、設定されていません。プロジェクトで言語を設定するか、別の吹き替えエンジンを選んでください。unsupported_voiceプロジェクトに、このバージョンにない声が指定されています。話者タブで声を選び直してください。bad_paramsセリフにテキストがありません。字幕を書いてから、もう一度吹き替えてください。out_of_memoryコンピューターのメモリが不足しました。ほかのプログラムを閉じてください。Inflect には約 300 MB が必要です。internalアドオン内部で問題が起きました。詳細はメッセージに表示されます。
ライセンス
商用利用に問題ありません。Inflect v2 のモデルと作者のコードは Apache-2.0 です。アドオンは、テキストを音に変換する espeak-ng を含むため GPL-3.0-or-later です。espeak-ng を含む完全なソースコードは、各リリースに添付されています。ライセンスが適用されるのはアドオンで、それを使って作ったものではありません。作成した吹き替えはあなたのものです。モデルの作者は、その音声を実在の人物の録音と偽らないよう求めています。
バージョン
- 26.11.1
Offline English text-to-speech for Subtitld with Inflect v2: a natural American English voice at 24 kHz from a model of under 10M parameters, many times faster than real time on the CPU. Two voices: Inflect Micro (best quality, 38 MB) and Inflect Nano (16 MB, faster).
The archive holds the add-on, ONNX Runtime and espeak-ng with its English data. Each model downloads the first time its voice speaks, at a pinned revision, checked by sha256.
The add-on is GPL-3.0-or-later, because it bundles espeak-ng (GPL-3.0-or-later); the Inflect v2 models are Apache-2.0. Each archive carries
THIRD_PARTY_LICENSES/with the licence of everything frozen into it. The complete corresponding source isinflect-<version>-source.tar.gzin this release. The Linux archive also carries libquadmath (LGPL-2.1, with numpy); its source isinflect-<version>-libquadmath-source.tar.gz.
他の音声アドオン
-
Piper オフライン
49言語の158のオフライン音声。それぞれ別途の小さなダウンロード。
-
Kokoro オフライン
9言語の54のオフライン音声。すべて1つの 82 MB のモデルです。
-
Supertonic オフライン
10のオフライン音声。それぞれが31言語すべてを話せます。
-
sanoTTS オフライン
超軽量のオフライン音声。14言語28種、どれも 10 MB 未満です。
-
Parler-TTS オフライン
書かれた説明に従う英語の声。34の名前付き話者。
-
Qwen3-TTS クローン
10言語、9つの声、3秒の音声から話者をクローン。
-
Coqui XTTS クローン
16言語での声のクローン。モデルは非商用ライセンスです。
-
F5-TTS クローン
英語と中国語の声のクローンのみ。モデルは非商用です。
-
VoxCPM2 クローン
48 kHz で30言語。話者自身の声か、説明した声で。重量級。
-
Pocket TTS オフライン
高速で軽量、CPU のみ。ヨーロッパの7言語で23種類の声。
-
Sopro クローン
話者自身の声を、CPU で高速に。4言語。
-
KittenTTS 2 クローン
話者自身の声を16言語で、CPU で。重みは制限のあるライセンスです。
-
Ming-3.0-tts クローン
44.1 kHz で7言語。クローン、内蔵、説明した声で、感情も。重量級。
-
Scylla's Band オフライン
6言語で話す14の声。CPU で軽く、速く動きます。組み込みの声のみ。
-
Audio8 TTS クローン
話者自身の声を11言語で、広東語も。CPU では遅め。
-
Chatterbox クローン
Offline TTS in 20 languages, in the speaker's own voice cloned from a few seconds of the video or in one of 8 preset…