tiny-voca オフライン、軽量・英語
Muhammed Nazeem によるパラメーター数 450 万のモデル tiny-voca を使い、字幕をアメリカ英語の女性または男性の声で吹き替えます。お使いのコンピューターのプロセッサーで動作し、実時間の数十倍の速さで話します。モデルはアドオンに含まれているので、ダウンロードするものはありません。
設定 アドオン tiny-voca (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
- 1
- 音声
- 2
- アドオンのダウンロード
- 33–43 MB
- RAM(最低)
- 256 MB
試聴
機能
パラメーター数 450 万。自然に聞こえるモデルとしては最小クラスで、クリアなアメリカ英語を 24 kHz で。
26 MB のモデルはアドオンに含まれています。インストールしたその瞬間から使え、何もコンピューターの外に出ません。
ノートパソコンのプロセッサーで、1つのセリフが100分の数秒で生成されます。実時間の数十倍の速さで、グラフィックスカードは不要です。
アドオンとモデルは Apache-2.0、それを実行する llama.cpp は MIT です。
声
話者タブで、話者の吹き替えエンジンとして tiny-voca 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.
en2
声は女性と男性の2つで、どちらもアメリカ英語です。tiny-voca の作者は文章による説明からこれらの声を作り、合成音声でモデルを学習させました。実在の人物の声は録音されていません。tiny-voca 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 VoxMel などのボイスクローンエンジンを選んでください。
モデル
モデルはアドオンに含まれているので、ダウンロードするものはありません。ggml-org が tiny-voca から変換した GGUF で、リビジョンを固定し、アドオンのビルド時に確認しています。
| モデル | サイズ | 向いている用途 |
|---|---|---|
| tiny-voca (4.5M) 既定 tiny-voca | 両方の声、アドオンに同梱 |
モデルは、多くの人が言語モデルに使っているのと同じエンジン、llama.cpp で動作します。テキストを音に変換するのも llama.cpp で、モデルに含まれている tiny-voca 自身の音素変換器の移植版を使います。
オプション
設定 › アドオン › tiny-voca (offline, lightweight English) › 設定 で変更できます。
1tiny-voca 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。Subtitld の話者の Rate で、さらに変えられます。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。
00 にすると最大4スレッドを使います。それだけで実時間よりはるかに高速です。これほど小さなモデルでは、スレッドを増やしてもほとんど効果はありません。
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)はどれも受け付け、アメリカ英語のアクセントで読み上げます。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、単位、一般的な略語は言葉として読み上げられ、「read」や「record」のような単語は文に合った読み方で発音されます。
en
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 | 42.6 MB | 実機と、クリーンな AlmaLinux 8・Ubuntu 24.04 環境で、両方の声を使って吹き替え。CI で、インストールしたアドオンが両方の声で話す |
| macOS (Apple シリコン) | 40.1 MB | CI で、インストールしたアドオンが両方の声で話す(Apple Silicon) |
| Windows x86-64 | 33.1 MB | CI で、インストールしたアドオンが両方の声で話す |
Linux x86-64(2018年以降のディストリビューション、glibc 2.28 以降)、Apple Silicon の macOS 13.3 以降、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、両方の声で吹き替えます。
トラブルシューティング
unsupported_languageプロジェクトの言語が英語ではありません。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。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。セリフをもう一度吹き替えると、音声エンジンが再起動します。
ライセンス
商用利用に問題ありません。アドオンと tiny-voca のモデルは Apache-2.0、llama.cpp は MIT です。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。
バージョン
- 26.11.1
The first release: lightweight English text-to-speech for Subtitld with tiny-voca, a 4.5-million-parameter model by Muhammed Nazeem.
- Two American English voices, a woman and a man, at 24 kHz. No voice cloning.
- Dozens of times faster than real time on a CPU: a line takes a few hundredths of a second.
- Numbers, prices, dates, times and units are read out as words.
- The model (26 MB) is part of the add-on: nothing to download.
- A Speed setting, which a speaker's Rate in Subtitld scales further.
- English only: a line in another project language gets a message saying so.
- Runs in llama.cpp's server, which the add-on starts on 127.0.0.1 and stops when it exits. The Linux archive runs on glibc 2.28 and newer.
The add-on and the tiny-voca weights are Apache-2.0; llama.cpp and ggml are MIT. Each archive carries THIRD_PARTY_LICENSES/, including the licences of the pronunciation data in the model (CMU Pronouncing Dictionary, Wikipedia Homograph Data).
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23言語で、広東語やアラビア語も。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。
-
Paradee オフライン
アメリカ英語とイギリス英語の自然な4つの声を、8.5 MB のモデル1つで。
-
BlueTTS クローン
ヘブライ語とイディッシュ語に、さらに5言語。話者自身の声を、CPU で高速に。
-
ZONOS3-Mini クローン
アラビア語からベトナム語まで43言語。話者自身の声を、CPU で。
-
Reverb クローン
ヨーロッパの7言語と話者自身の声を、CPU で。モデルは非商用です。
-
OmniVoice クローン
646言語。話者自身の声を言語を越えて。モデルは非商用です。
-
VoxMel クローン
英語と標準中国語。話者自身の声を忠実にクローン。
-
Chatterbox クローン
話者自身の声で20言語を、CPU で、アカウント不要で。