Paradee (offline, lightweight English)

VozesOfflineSó CPUUso comercial permitido

Dubla suas legendas num inglês natural com o Paradee, de Sahil Mahendrakar, um modelo de 8 milhões de parâmetros destilado do Kokoro. Quatro vozes, duas americanas e duas britânicas, de um único modelo de 8,5 MB. Roda no processador do seu próprio computador, muitas vezes mais rápido que o tempo real, sem placa de vídeo e sem conta.

Instale pelo Subtitld

Configurações Complementos Paradee (offline, lightweight English) Instalar

O Subtitld baixa, verifica o SHA-256 e mantém o complemento atualizado.

Código-fonte no GitHub
Idiomas
2
Modelos
1
Vozes
4
Download do complemento
75–93 MB
RAM, no mínimo
512 MB

O que faz

As vozes do Kokoro, num décimo do tamanho

O Paradee aprendeu quatro das vozes do Kokoro com um décimo dos parâmetros dele, e soa próximo dele. Inglês natural, a 24 kHz.

Americano e britânico

Heart e Puck falam inglês americano, Isabella e Fable inglês britânico, cada uma com a sua própria pronúncia: "tomato", "schedule" e "can't" saem como cada sotaque as diz.

Rápido em qualquer computador

Num único núcleo de processador, uma fala sai cerca de 17 a 20 vezes mais rápido que o tempo real. Cerca de 300 MB de memória, e nenhuma placa de vídeo.

Offline depois da primeira fala

O modelo de 8,5 MB é baixado na primeira vez que uma fala é dita. Depois disso, nada sai do seu computador. Os modelos e o complemento permitem trabalho comercial.

Vozes

Na aba Locutores, escolha o Paradee como Motor de dublagem de uma pessoa, depois escolha uma Voz. Ative Ajustar dublagem à duração da legenda para que cada fala dessa pessoa seja esticada ou comprimida até a duração da sua legenda.

4 vozes em 2 idiomas.

  • en-gb 2
  • en-us 2

Heart é a mais próxima do Kokoro; Isabella é, das quatro, a mais distante dele. As quatro vozes vêm do mesmo modelo, então trocar de voz não baixa nada. O Paradee não clona vozes. Para dublar na própria voz de quem fala, escolha um motor de clonagem de voz, como o Sopro ou o Chatterbox.

O modelo acrescenta às suas vozes um pouco de respiração e chiado ao acaso, como o Kokoro faz. Dublar uma fala de novo pode soar levemente diferente nesses pontos; as palavras, a voz e o tempo continuam os mesmos.

Modelos

O modelo não vem dentro do complemento. Ele é baixado para o cache de modelos compartilhado do Subtitld na primeira vez que uma fala é dita, do Hugging Face numa revisão fixa, com cada arquivo conferido. Um download interrompido continua de onde parou. Atualizar ou remover o complemento mantém o modelo.

Modelo DownloadIdeal para
Paradee 1.2 (7.9M, int8 ONNX, four voices) Padrão paradee-1.2
8 MB
As quatro vozes, cerca de 17–20× o tempo real num único núcleo de processador

O complemento roda o arquivo ONNX que o autor do Paradee publica, sem PyTorch, e transforma texto em sons exatamente como o código do autor faz, com o próprio fonemizador do Kokoro. Nós o comparamos com o código do autor: os mesmos sons em todas as frases de teste, nos dois sotaques, e o mesmo áudio nas quatro vozes.

Opções

Em Configurações › Complementos › Paradee (offline, lightweight English) › Configurar.

CPU threads
Padrão: 0

0 usa uma thread, o que já é muitas vezes mais rápido que o tempo real. Mais threads raramente ajudam com um modelo tão pequeno.

Speaking pace
Padrão: 1

A velocidade com que o próprio Paradee fala: 1,0 é o ritmo natural dele, 1,2 é 20% mais rápido. É o modelo que fala mais rápido ou mais devagar; o áudio não é esticado.

Idiomas

Só inglês. Qualquer projeto em inglês (americano, britânico, australiano…) é aceito, e cada voz o lê com o seu próprio sotaque. Um projeto em outro idioma recebe uma mensagem que explica isso: escolha outro motor de dublagem para ele.

Números, preços, datas, horários e abreviações comuns são lidos por extenso, e palavras como "read" ou "record" são ditas como a frase pede. Nomes e palavras de outros idiomas que o fonemizador não conhece são ditos pelo espeak-ng, e podem ser pronunciados errado.

  • en-us
  • en-gb

Plataformas

Sistema DownloadTestado
Linux x86-64 93.5 MBDublado com as quatro vozes numa máquina real, em sistemas Debian, Ubuntu, Fedora e Arch limpos, e na CI
macOS (Apple silicon) 75.2 MBDublado com as quatro vozes na CI (Apple Silicon)
Windows x86-64 84.5 MBDublado com as quatro vozes na CI

Linux x86-64 (qualquer distribuição de 2018 em diante), macOS em Apple Silicon e Windows x86-64. Cada versão é compilada nos três, e em cada um a CI instala o complemento como o Subtitld faz, baixa o modelo e dubla com cada voz.

Solução de problemas

  • network_unavailableNão foi possível baixar o modelo, ou um arquivo baixado não passou na conferência e foi descartado. Verifique sua conexão e tente de novo: o download continua de onde parou.
  • disk_fullNão há espaço em disco suficiente para o modelo: 8,5 MB.
  • unsupported_languageO idioma do projeto não é inglês, ou não foi definido. Defina-o no projeto, ou escolha outro motor de dublagem.
  • unsupported_voiceO projeto indica uma voz que esta versão não tem. Escolha a voz de novo na aba Locutores.
  • bad_paramsA fala não tem texto. Escreva a legenda e duble-a de novo.
  • out_of_memoryO computador ficou sem memória. Feche outros programas: o Paradee precisa de cerca de 400 MB.
  • internalAlgo falhou dentro do complemento; a mensagem traz os detalhes.

Licença

Complemento
GPL-3.0-or-later
Porque inclui o espeak-ng
Motor
Apache-2.0, MIT, GPL-3.0-or-later
O misaki, o próprio fonemizador do Kokoro, junto com o spaCy, transforma o texto em sons; o espeak-ng diz as palavras que eles não conhecem; o ONNX Runtime, da Microsoft, roda o modelo
Modelo
Apache-2.0
Pesos do Paradee 1.2, de Sahil Mahendrakar, destilados do Kokoro-82M, de hexgrad

Adequado para trabalho comercial. O modelo Paradee e o código do autor são Apache-2.0, como o Kokoro. O complemento é GPL-3.0-or-later porque inclui o espeak-ng; o código-fonte completo dele, incluindo o do espeak-ng, está em cada versão. A licença cobre o complemento, não o que você faz com ele: as dublagens que você faz são suas.

Versões

  • 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

Outros complementos de Vozes