Ming-3.0-tts (offline, voice clone, 7 languages)

Ne yapar

Kurmadan önce

Ming-3.0-tts büyük bir model, ses kodlayıcısıyla birlikte yaklaşık 1,5 milyar parametre. Bilgisayarınızdan çok şey ister:

• Disk: yaklaşık 3,4 GB, çoğu seslendirdiğiniz ilk satırda inen 2,99 GB'lık model.
• Bellek: yaklaşık 5 GB boş. Daha azıyla da çalışır, ama çok daha yavaş.
• Süre: CPU'da konuşmanın her saniyesi yaklaşık dört ila beş saniyede üretilir, Intel Core i7-13700T'de. On dakikalık bir video yaklaşık kırk beş dakika sürebilir.

Mütevazı bilgisayarlarda hızlı dublaj için Piper ya da Kokoro çok daha hafiftir.

Sesler

Konuşmacılar sekmesinde, bir konuşmacının Dublaj motoru olarak Ming-3.0-tts'i seçin, sonra bir Ses seçin. Konuşmacının her satırı altyazısına göre uzatması ya da sıkıştırması için Dublajı altyazı süresine sığdır seçeneğini açın.

12 ses.

Klonlanan ses

Speaker's own voice ile Subtitld projenin sesinden o konuşmacının bir örneğini keser: 3 ila 12 saniyelik altyazılarından birinden ya da birleştirilmiş birkaç kısa altyazıdan. Bu video için müziği sesten ayırdıysanız, örnek yalnızca sesten gelir. Eklentinin ayarlarındaki Fallback reference clip yalnızca bir örnek kesilemediğinde kullanılır.

Subtitld örnekle birlikte altyazı metnini de gönderir ve Ming-3.0-tts ondan devam eder; bu, söyleyiş dahil konuşmacıya en yakın sonucu verir. Başka bir dile dublaj konuşmacının aksanını koruyorsa, Clone the timbre only seçeneğini açın.

Yerleşik sesler

Emma (Amerikalı), George ve Charlotte (İngiliz), Ling Xiaorou ve Ling Kai (Çinli) modelin öğrendiği konuşmacılardır. Her biri her satırda aynı duyulur ve her biri yedi dilin hepsini konuşur.

Tarif edilen sesler

Ming-3.0-tts bir tarifi her okuduğunda yeni bir ses oluşturur. Bu yüzden eklenti her konuşmacının sesini bir kez oluşturur ve o konuşmacının her satırı onu yeniden kullanır: ses video boyunca aynı kalır ve aynı tarifi alan iki konuşmacı yine de iki ayrı kişi gibi duyulur.

Duygu, hız, perde ve ses düzeyi

Bunlar eklentinin ayarlarıdır, bu yüzden klonlanan ya da tarif edilen bir sesle seslendirilen her konuşmacıya uygulanır. Modelin kendi kontrolleridir; konuşmacının sesinin tınısını alırlar ama konuşma biçimini almazlar ve teker teker çalışırlar: bir duygu ayarlıysa hız, perde ve ses düzeyinin yerine geçer. Yerleşik sesler bunları yok sayar.

Çince ya da İngilizce satırlarda model, metne yazılan sesleri de çıkarır: [Laughter], [Sigh], [Breathing], [Cough], [Uhm] ve birkaç tane daha.

Modeller

Tek bir model var: Ming-3.0-tts-0.5B. Eklentinin içinde değildir: ilk seslendirmede Hugging Face'ten sabitlenmiş bir sürümle, her dosyası denetlenerek Subtitld'nin paylaşılan model önbelleğine iner. Yarıda kalan bir indirme kaldığı yerden devam eder. Eklentiyi güncellemek ya da kaldırmak modeli tutar.

İlk satır modeli de yükler, bu yüzden sonrakilerden daha uzun sürer. İptal, bir satırı iki adım arasında ya da indirmeyi durdurur.

Seçenekler

Ayarlar › Eklentiler › Ming-3.0-tts (offline, voice clone, 7 languages) › Yapılandır bölümünde.

Diller

Çince, İngilizce, Japonca, Korece, Almanca, Fransızca ve İspanyolca. Her ses bunların her birini konuşur.

• zh
• en
• ja
• ko
• de
• fr
• es

Platformlar

Linux x86-64, Apple Silicon'da macOS ve Windows x86-64. Her sürüm üçünde de derlenir ve CI konuşmak için gereken her şeyin derlemede olduğunu denetler. CI modelin kendisini çalıştırmaz.

Sorun giderme

• network_unavailableModel indirilemedi. Bağlantınızı denetleyip yeniden deneyin: indirme kaldığı yerden devam eder.
• disk_fullModel için yeterli disk alanı yok. Yaklaşık 3,4 GB boş alan gerekir.
• oomBellek yetersiz. Diğer programları kapatın; Ming-3.0-tts yaklaşık 5 GB boş bellek ister.
• bad_paramsSatırın metni yok, klon ses bir örnek alamadı ya da Voice you describe için bir tarif yok. Mesaj hangisi olduğunu söyler: videoyu açın, bir Fallback reference clip ayarlayın ya da bir Voice description yazın.
• unsupported_voiceProje bu sürümde olmayan bir sesi adlandırıyor. Sesi Konuşmacılar sekmesinde yeniden seçin.
• internalEklentinin içinde bir şey başarısız oldu; ayrıntılar mesajda. Inference device ayarını değiştirdiyseniz, Otomatik'e geri alın.

Lisans

Ticari işler için uygundur: eklenti Apache-2.0; Ming-3.0-tts'in kodu ve Ming-3.0-tts-0.5B ağırlıkları MIT. Yaptığınız dublajlar sizindir. Klonlanan bir ses gerçek bir kişi gibi duyulur: yalnızca kullanma hakkınız olan sesleri klonlayın ve önemli olduğu yerde dublajın yapay olduğunu belirtin.