الوصف
Audio8-TTS-Realistic-Air هو نموذج متقدم لتحويل النص إلى كلام (TTS) تم تطويره بواسطة Edge0، متاح على Hugging Face. بناءً على Audio8-TTS-Preview-0.6b، يحسن هذا الإصدار بشكل كبير من واقعية الكلام، مما يوفر نغمة أكثر طبيعية وتوصيلًا معبرًا، مع الحفاظ على بنية معمارية مدمجة تحتوي على 0.6 مليار معلمة.
قراءة المزيد
يتميز النموذج بتغطية متعددة اللغات أوسع، حيث يدعم 23 لغة. يشمل ذلك 11 لغة من إصدار المعاينة (الكانتونية، الصينية، الهولندية، الإنجليزية، الفرنسية، الألمانية، الإيطالية، اليابانية، الكورية، البولندية، الإسبانية) و12 إضافة جديدة (العربية، الفنلندية، الهندية، الإندونيسية، الماليزية، النرويجية، البرتغالية، الروسية، السويدية، التايلاندية، التركية، الفيتنامية). يستخدم نفس واجهة استدلال Transformers مثل سلفه، مما يجعله متاحًا للمطورين.
يتضمن Audio8-TTS-Realistic-Air نقطة تفتيش نموذج كاملة، وشفرة صوتية عصبية بتردد 44.1 كيلوهرتز، ومحول، ومعالج، ورمز Transformers مخصص. يدعم توليدًا مرنًا، حيث يقدم كل من استنساخ الصوت بدون عينة من تسجيل مرجعي ونص، بالإضافة إلى توليد الكلام بدون مرجع. يمكن للمستخدمين تجربة هذه القدرات في ملعب تفاعلي مستضاف على Hugging Face ZeroGPU.
لتطبيقات عالية الإنتاجية، يتميز النموذج بخدمة GPU عبر محول SGLang Omni. يوفر هذا المحول انتباهًا مقسمًا، وتجميعًا ديناميكيًا، وواجهة برمجة تطبيقات صوتية متوافقة مع OpenAI، مما يضمن نشرًا فعالًا وقابلًا للتوسع. بنية النموذج هي تصميم DualAR، مستوحاة من Fish Audio S2 Pro، مع محول AR بطيء يتنبأ بالرموز الدلالية ومحول AR سريع يتنبأ بدفاتر رموز الشفرة.
تتطلب التثبيت Python 3.10 أو أحدث وGPU يدعم CUDA. تم اختبار النموذج بشكل تجريبي مع PyTorch 2.8.0 وTransformers 4.57.3 على NVIDIA H20، مما يغطي توليد لغات مختلفة واستنساخ الصوت. تم إصدار الشيفرة وأوزان النموذج بموجب رخصة Apache 2.0، مما يعزز الوصول المفتوح والاستخدام المسؤول. بينما تختلف الجودة حسب اللغة، يمثل النموذج خطوة كبيرة إلى الأمام في توليد النص إلى كلام واقعي ومتعدد اللغات.
- الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
- نموذج التسعيرمفتوح المصدر
- النشرسحابي
- المنصاتالويب
أبرز ملامح Audio8-TTS-Realistic-Air
تحسين واقعية الكلام مع نغمة طبيعية وتوصيل معبر
تغطية متعددة اللغات أوسع تدعم 23 لغة
بنية نموذج مدمجة تحتوي على 601 مليون معلمة للنموذج الرئيسي
استنساخ صوتي بدون عينة من الصوت المرجعي والنص
توليد الكلام بدون تسجيل مرجعي
خدمة GPU مع محول SGLang Omni للإنتاجية العالية
دعم واجهة برمجة تطبيقات /v1/audio/speech المتوافقة مع OpenAI
بنية DualAR لمعالجة الصوت المتقدمة
شفرة صوتية عصبية بتردد 44.1 كيلوهرتز مضمنة
يتضمن محولًا ومعالجًا ورمز Transformers مخصص
يدعم التجميع الديناميكي والانتباه المقسم
رخصة Apache 2.0 للشيفرة وأوزان النموذج
ملعب تفاعلي لاختبار توليد الكلام واستنساخ الصوت
البدء مع Audio8-TTS-Realistic-Air
الوصول إلى النموذج: انتقل إلى صفحة Edge0/Audio8-TTS-Realistic-Air على Hugging Face.
إعداد البيئة: تأكد من تثبيت Python 3.10+ وGPU يدعم CUDA.
تحميل النموذج: قم بتحميل النموذج باستخدام رمز Transformers مخصص مع `trust_remote_code=True`.
توليد الكلام: استخدم المعالج لتحضير المدخلات لتوليد الكلام.
تنفيذ استنساخ الصوت: قدم تسجيلًا مرجعيًا نظيفًا ونصه الدقيق لاستنساخ الصوت بدون عينة.
تشغيل الاستدلال: انقل المدخلات إلى جهاز النموذج ونفذ خطوات التوليد وفك التشفير.
نشر الخدمة: استخدم محول SGLang Omni لخدمة GPU عالية الإنتاجية مع واجهة برمجة تطبيقات متوافقة مع OpenAI.
حالات استخدام Audio8-TTS-Realistic-Air
- توليد الكلام الواقعي
- إنشاء محتوى متعدد اللغات
- استنساخ الصوت بدون عينة
- تطبيقات الصوت التفاعلية
- خدمة الصوت عالية الإنتاجية
- البحث والتطوير








