Scylla's Band (offline, 14 voices, 6 languages)
Scylla's Band を使い、字幕を英語、スペイン語、イタリア語、フランス語、ドイツ語、ベトナム語で吹き替えます。14種類の組み込みの声があり、どの声も6言語すべてを話します。お使いのコンピューターのプロセッサーで、240 MB のモデルを使い、実時間の何倍もの速さで動作します。
設定 アドオン Scylla's Band (offline, 14 voices, 6 languages) 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
- 6
- モデル
- 1
- 音声
- 14
- アドオンのダウンロード
- 14–22 MB
- RAM(最低)
- 700 MB
機能
どの声も英語、スペイン語、イタリア語、フランス語、ドイツ語、ベトナム語を話すため、どの言語に吹き替えても、1人の話者は同じ声のままです。
ノートパソコンのプロセッサーで、1秒の音声を作るのにかかる時間は0.1秒よりずっと短く、メモリは 500 MB 未満です。グラフィックスカードは使いません。
アドオンの設定で、話し方をより穏やかにも激しくも、遅くも速くも、高くも低くもできます。
240 MB のモデルは、それを使って初めて吹き替えるときに一度だけダウンロードされます。その後は、何もコンピューターの外に出ません。
インストールの前に
- ディスク: 約 300 MB。その大半はモデルで、最初のセリフでダウンロードされます。
- メモリ: 話している間は 500 MB 未満。
- プロセッサー: 64ビットの Intel または AMD のプロセッサー、または Apple Silicon の Mac ならどれでも。
Scylla's Band が話すのは自身の声だけで、動画の話者の声はクローンしません。話者自身の声を使うには、VoxCPM2、Sopro、Chatterbox を使ってください。
声
話者タブで、話者の吹き替えエンジンとして Scylla's Band 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。吹き替える前に、プロジェクトの言語を設定してください。
音声 14 種.
14の声は Scylla、Ariadne、Felix、Gwen、Ink、Kincade、Max、Orpheus、Poppy、Priya、Rex、Stone、Thistle、Tuesday です。どの声も6言語すべてで学習されているため、プロジェクトの言語が何であっても一覧は同じです。英語では、Ink、Orpheus、Tuesday がイギリス英語を、ほかの声はアメリカ英語を話します。
Subtitld は各話者にシードを与えるため、同じセリフをもう一度吹き替えると同じテイクになります。言葉を1つ変えると、そのセリフは新たに読み上げられます。
モデル
モデルはアドオンには含まれていません。最初に吹き替えるときに、固定されたリリースで spybyscript の Hugging Face リポジトリから 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 |
|---|---|---|
| Scylla's Band v3-20261104 (LiteRT bundle) 既定 scyllasband-litert | すべての声と言語。CPU で実時間の何倍もの速さ |
アドオンは、Scylla's Band 自身の C++ ランタイムを Google の LiteRT とともにアドオンのプロセス内で実行します。そのため Python の機械学習ライブラリは不要で、すぐに起動します。
オプション
設定 › アドオン › Scylla's Band (offline, 14 voices, 6 languages) › 設定 で変更できます。
0穏やか(−2)から激しい(2)まで。0 はそれぞれの声本来の話し方です。変わるのはセリフの感情がどれだけ強く表れるかで、どの感情かは変わりません。
0遅め(−2)から速め(2)まで。言葉とその間の間(ま)の両方が変わります。Subtitld 自身の速度調整と吹き替えを字幕の長さに合わせるは、その上にさらに適用されます。
0すべての声を半音単位で上げ下げします。
00 にすると、ランタイムが最大4まで選びます。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。
強さ、速さ、高さは、プロジェクトで Scylla's Band を使うすべての話者に適用されます。
言語
英語、スペイン語、イタリア語、フランス語、ドイツ語、ベトナム語。それ以外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。
数字は6言語それぞれで言葉として読まれます。たとえば「42」は、英語では「forty-two」、ベトナム語では「bốn mươi hai」になります。
enesitfrdevi
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 | 22.4 MB | 実機と CI で、実際のモデルを使って6言語すべてで吹き替え |
| macOS (Apple シリコン) | 18.5 MB | CI で実際のモデルを使って6言語すべてで吹き替え(Apple Silicon) |
| Windows x86-64 | 13.6 MB | CI で実際のモデルを使って6言語すべてで吹き替え |
Linux x86-64、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、モデルをダウンロードして、それを使って6言語すべてで吹き替えます。Linux では glibc 2.35 以降が必要です。
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ませんでした。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(約 300 MB)がありません。unsupported_languageプロジェクトの言語が6言語のどれでもないか、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。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
アドオン、Scylla's Band のランタイム、LiteRT、Scylla's Band の重みはすべて Apache-2.0 で、モデルのうち Vocos と DeepPhonemizer に由来する部分は MIT です。アドオンとそれで作った吹き替えは、有料の仕事を含め、どんな目的にも使えます。作成した吹き替えはあなたのものです。
バージョン
- 26.11.1
Offline text-to-speech with Scylla's Band: fourteen voices, each speaking English, Spanish, Italian, French, German and Vietnamese at 24 kHz. Eleven voices speak American English and three (Ink, Orpheus, Tuesday) British English.
- The model, about 240 MB, downloads on the first line, checked against pinned sha256 sums; an interrupted download resumes.
- Runs on the CPU, many times faster than real time, in about 500 MB of memory.
- Intensity, pace and pitch in Configure, each from -2 to 2.
- The same seed gives the same take, so a regenerated line keeps its delivery.
- Built-in voices only: Scylla's Band does not clone a speaker's voice.
Linux x86_64, macOS arm64 and Windows x86_64.
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。
-
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。
-
Inflect オフライン
小さなモデルで自然な英語音声を、どの CPU でも高速に。
-
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…