Pobierz

Paradee (offline, lightweight English)

GłosyOfflineTylko CPUUżycie komercyjne dozwolone

Dubbinguje twoje napisy naturalnym angielskim za pomocą Paradee, modelu o 8 milionach parametrów, którego autorem jest Sahil Mahendrakar, wydestylowanego z Kokoro. Cztery głosy, dwa amerykańskie i dwa brytyjskie, z jednego modelu o rozmiarze 8,5 MB. Działa na procesorze twojego komputera, wielokrotnie szybciej niż w czasie rzeczywistym, bez karty graficznej i bez konta.

Zainstaluj z poziomu Subtitld

Ustawienia Dodatki Paradee (offline, lightweight English) Zainstaluj

Subtitld pobiera dodatek, sprawdza jego SHA-256 i utrzymuje go w aktualności.

Źródło na GitHub
Języki
2
Modele
1
Głosy
4
Pobranie dodatku
75–93 MB
RAM, co najmniej
512 MB

Co robi

Głosy Kokoro, w jednej dziesiątej rozmiaru

Paradee nauczył się czterech głosów Kokoro z jedną dziesiątą jego parametrów i brzmi bardzo podobnie. Naturalny angielski, 24 kHz.

Amerykański i brytyjski

Heart i Puck mówią po amerykańsku, Isabella i Fable po brytyjsku, każdy z własną wymową: „tomato”, „schedule” i „can't” brzmią tak, jak wymawia je dany akcent.

Szybki na każdym komputerze

Na jednym rdzeniu procesora kwestia powstaje mniej więcej 17–20 razy szybciej niż w czasie rzeczywistym. Około 300 MB pamięci i żadnej karty graficznej.

Offline po pierwszej kwestii

Model o rozmiarze 8,5 MB pobiera się, gdy po raz pierwszy zostaje wypowiedziana jakaś kwestia. Potem nic nie opuszcza twojego komputera. Modele i dodatek pozwalają na pracę komercyjną.

Głosy

W karcie Mówcy wybierz Paradee jako Silnik dubbingu danego mówcy, a potem Głos. Włącz Dopasuj dubbing do czasu trwania napisu, aby mówca rozciągał lub ściskał każdą kwestię do jej napisu.

4 głosów w 2 językach.

  • en-gb 2
  • en-us 2

Heart jest najbliżej Kokoro; Isabella jest od niego najdalej z tej czwórki. Wszystkie cztery głosy pochodzą z tego samego modelu, więc zmiana głosu niczego nie pobiera. Paradee nie klonuje głosów. Aby zrobić dubbing własnym głosem mówcy, wybierz silnik klonujący głos, na przykład Sopro lub Chatterbox.

Model losowo dodaje do swoich głosów trochę oddechu i szumu, tak jak Kokoro. Ponowny dubbing kwestii może więc w tych miejscach zabrzmieć minimalnie inaczej; słowa, głos i timing pozostają te same.

Modele

Modelu nie ma w dodatku. Pobiera się do wspólnej pamięci modeli Subtitld, gdy po raz pierwszy zostaje wypowiedziana jakaś kwestia, z Hugging Face w ustalonej rewizji, z każdym plikiem sprawdzonym. Przerwane pobieranie wznawia się tam, gdzie się zatrzymało. Aktualizacja lub usunięcie dodatku zachowuje model.

Model PobranieDobry do
Paradee 1.2 (7.9M, int8 ONNX, four voices) Domyślne paradee-1.2
8 MB
Wszystkie cztery głosy, około 17–20× czasu rzeczywistego na jednym rdzeniu procesora

Dodatek uruchamia plik ONNX, który publikuje autor Paradee, bez PyTorch, i zamienia tekst na głoski dokładnie tak, jak robi to kod autora, własnym fonemizatorem Kokoro. Porównaliśmy go z kodem autora: te same głoski dla każdego zdania testowego w obu akcentach i ten sam dźwięk dla wszystkich czterech głosów.

Opcje

W Ustawieniach › Dodatki › Paradee (offline, lightweight English) › Konfiguruj.

CPU threads
Domyślnie: 0

0 używa jednego wątku, co już jest wielokrotnie szybsze niż czas rzeczywisty. Przy tak małym modelu więcej wątków rzadko pomaga.

Speaking pace
Domyślnie: 1

Jak szybko mówi sam Paradee: 1,0 to jego naturalne tempo, 1,2 to o 20% szybciej. To model mówi szybciej lub wolniej; dźwięk nie jest rozciągany.

Języki

Tylko angielski. Przyjmowany jest każdy projekt po angielsku (amerykańskim, brytyjskim, australijskim…), a każdy głos czyta go własnym akcentem. Projekt w innym języku dostaje komunikat, który to mówi: wybierz dla niego inny silnik dubbingu.

Liczby, ceny, daty, godziny i popularne skróty są czytane słownie, a słowa takie jak „read” czy „record” są wymawiane tak, jak wymaga tego zdanie. Imiona, nazwy i słowa z innych języków, których fonemizator nie zna, wymawia espeak-ng i mogą zostać źle wymówione.

  • en-us
  • en-gb

Platformy

System PobraniePrzetestowano
Linux x86-64 93.5 MBDubbing wszystkimi czterema głosami na prawdziwej maszynie, w czystych systemach Debian, Ubuntu, Fedora i Arch oraz w CI
macOS (Apple silicon) 75.2 MBDubbing wszystkimi czterema głosami w CI (Apple Silicon)
Windows x86-64 84.5 MBDubbing wszystkimi czterema głosami w CI

Linux x86-64 (dowolna dystrybucja od 2018 roku), macOS na Apple Silicon i Windows x86-64. Każde wydanie jest budowane na wszystkich trzech, a na każdym z nich CI instaluje dodatek tak, jak robi to Subtitld, pobiera model i robi dubbing każdym głosem.

Rozwiązywanie problemów

  • network_unavailableNie udało się pobrać modelu albo pobrany plik nie przeszedł sprawdzenia i został odrzucony. Sprawdź połączenie i spróbuj ponownie: pobieranie zostanie wznowione.
  • disk_fullZa mało miejsca na dysku na model: 8,5 MB.
  • unsupported_languageJęzyk projektu to nie angielski albo nie jest ustawiony. Ustaw go w projekcie albo wybierz inny silnik dubbingu.
  • unsupported_voiceProjekt wskazuje głos, którego ta wersja nie ma. Wybierz głos ponownie w karcie Mówcy.
  • bad_paramsKwestia nie ma tekstu. Wpisz napis i zrób dubbing ponownie.
  • out_of_memoryKomputerowi zabrakło pamięci. Zamknij inne programy: Paradee potrzebuje około 400 MB.
  • internalCoś zawiodło wewnątrz dodatku; komunikat zawiera szczegóły.

Licencja

Dodatek
GPL-3.0-or-later
Ponieważ zawiera espeak-ng
Silnik
Apache-2.0, MIT, GPL-3.0-or-later
misaki, własny fonemizator Kokoro, razem ze spaCy zamienia tekst na głoski; espeak-ng wymawia słowa, których nie znają; ONNX Runtime, od Microsoftu, uruchamia model
Model
Apache-2.0
Wagi Paradee 1.2 (autor: Sahil Mahendrakar), wydestylowane z Kokoro-82M (autor: hexgrad)

Można używać komercyjnie. Model Paradee i kod autora są na licencji Apache-2.0, tak jak Kokoro. Dodatek jest na licencji GPL-3.0-or-later, ponieważ zawiera espeak-ng; pełny kod źródłowy dodatku, łącznie z kodem espeak-ng, jest dołączony do każdego wydania. Licencja obejmuje dodatek, a nie to, co z nim tworzysz: dubbing, który tworzysz, należy do ciebie.

Wersje

  • 26.11.1

    Offline English text-to-speech for Subtitld with Paradee 1.2: natural English speech at 24 kHz from an 8M-parameter model distilled from Kokoro-82M, many times faster than real time on the CPU. Four voices from one 8.5 MB model: Heart and Puck (American English), Isabella and Fable (British English).

    The archive holds the add-on, ONNX Runtime, misaki (Kokoro's phonemizer) with spaCy's small English pipeline, and espeak-ng with its English data. The model downloads the first time a line is spoken, 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 Paradee model and misaki are Apache-2.0, spaCy and its English pipeline MIT. Each archive carries THIRD_PARTY_LICENSES/ with the licence of everything frozen into it. The complete corresponding source is paradee-<version>-source.tar.gz in this release. The Linux archive also carries libquadmath (LGPL-2.1, with numpy); its source is paradee-<version>-libquadmath-source.tar.gz.

    What's Changed

    • Paradee add-on: lightweight offline English text-to-speech by @jonata in https://github.com/Subtitld/addon-paradee/pull/1
    • Parity test: allow other CPUs' int8 rounding by @jonata in https://github.com/Subtitld/addon-paradee/pull/2

    New Contributors

    • @jonata made their first contribution in https://github.com/Subtitld/addon-paradee/pull/1

Inne dodatki: Głosy

Zaktualizowano · Z katalogu dodatków Zgłoś problem z tym dodatkiem