الوصف
dots.tts.edit V1.1 هو نموذج تلقائي مستمر متقدم تم تطويره لتحرير الكلام المتطور وتوليد الكلام من النص (TTS) بدون تدريب مسبق. يوفر هذا النموذج تحكمًا دقيقًا في الكلام، مما يسمح للمستخدمين بإجراء مجموعة واسعة من التعديلات مع الحفاظ على سلامة صوت المتحدث والبيئة الصوتية المحيطة.
قراءة المزيد
يدعم النموذج عمليات تحرير شاملة، بما في ذلك استبدال النص، الإدراج، والحذف، وهي ضرورية لتحسين المحتوى المنطوق. بالإضافة إلى التلاعب الأساسي بالنص، يوفر تحكمًا محليًا في العواطف ويسمح بوصف أنماط حر، مما يمكّن من إجراء تعديلات دقيقة على توصيل الكلام. يمكن للمستخدمين أيضًا التحكم بدقة في النغمة وسرعة الكلام، وإدراج أو تقليل التوقفات، وتطبيق تحسين الكلام أو عمليات الصوت الخلفي. إحدى القدرات الرئيسية هي تركيب عمليات تحرير متعددة، مما يوفر مرونة للمهام التحريرية المعقدة.
dots.tts.edit V1.1 متعدد اللغات، يدعم تحرير الكلام باللغة الإنجليزية والمندرين وتوليد الكلام بدون تدريب مسبق. ينتج صوتًا عالي الجودة بتردد 48 كيلوهرتز. تستخدم الأوزان الأساسية للنموذج دقة BF16، بينما يحتفظ مشفر المتحدث والمحول بأوزان FP32 لأداء مثالي. يمكن الوصول إلى النموذج عبر واجهة سطر الأوامر (CLI) لتحرير الكلام أو من خلال واجهة برمجة التطبيقات بايثون لتطبيقات أكثر تكاملًا. كما يتضمن ملعبًا تفاعليًا للتجارب المحلية.
تتضمن عملية التثبيت تثبيت أحدث فرع رئيسي من dots.tts والاعتماديات الموصى بها. تتطلب واجهة سطر الأوامر صوتًا مصدرًا، وتعليمات موسومة، ومسار إخراج، مع نصوص مصدرية وهدفية اختيارية. تدعم واجهة برمجة التطبيقات بايثون علامات هيكلية متنوعة للتحكم التفصيلي في التعديلات. لتوليد TTS بدون تدريب مسبق، يوفر DotsTtsEditRuntime وظائف `generate` و `generate_stream`.
يُنصح المستخدمون باستخدام النموذج بمسؤولية. قد تحتوي الكلام الناتج أو المعدل أحيانًا على أخطاء في النطق، التوقيت، تشابه المتحدث، أو اتباع التعليمات. يجب عدم استخدام النموذج للتنكر، أو تضليل المستمعين، أو انتهاك الموافقة، أو إنشاء محتوى غير قانوني. يتطلب الحصول على موافقة صريحة من المتحدثين لاستخدام أصواتهم. يجب الإفصاح بوضوح عن الصوت الذي يتم مشاركته علنًا والذي يمكن أن يُخطأ في اعتباره تسجيلات أصلية غير معدلة على أنه تم إنشاؤه أو تحريره بواسطة الذكاء الاصطناعي. يمكن الإبلاغ عن سوء الاستخدام من خلال مناقشات المجتمع في مستودع النموذج.
- الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
- نموذج التسعيرمفتوح المصدر
- النشرسحابي
- المنصاتالويب
أبرز ملامح dots.tts.edit
نموذج تلقائي مستمر لتحرير الكلام
توليد الكلام من النص بدون تدريب مسبق
استبدال النص، الإدراج، والحذف
تحكم محلي في العواطف ووصف أنماط حر
تحكم في النغمة وسرعة الكلام
إدراج وتقليل التوقفات
تحسين الكلام وعمليات الصوت الخلفي
تركيب عمليات تحرير متعددة
يحافظ على المتحدث وسياق الصوت خارج المناطق المعدلة
يدعم تحرير وتوليد الكلام باللغة الإنجليزية والمندرين
ينتج إخراج صوتي بتردد 48 كيلوهرتز
واجهة سطر الأوامر (CLI) لتحرير الكلام
واجهة برمجة التطبيقات بايثون للتكامل
ملعب تحرير محلي تفاعلي متاح
أوزان أساسية BF16 مع مشفر متحدث ومحول FP32
البدء مع dots.tts.edit
تثبيت الاعتماديات: تثبيت أحدث فرع رئيسي من dots.tts والاعتماديات الموصى بها.
تحضير الصوت المصدر: توفير صوت مصدر لعمليات التحرير.
تحديد التعليمات: إنشاء تعليمات موسومة للتعديلات المطلوبة في الكلام، بما في ذلك النص، العواطف، التحكم في النغمة أو السرعة.
تنفيذ أمر CLI: استخدام واجهة سطر الأوامر لتحرير الكلام مع الصوت المصدر، التعليمات الموسومة، ومسار الإخراج.
تجاوز النصوص (اختياري): استخدام --source-text و --target-text لتجاوز النصوص المشتقة إذا لزم الأمر.
تعديل توجيه المتحدث (اختياري): التحكم في توجيه المتحدث باستخدام معلمات --use-xvector و --speaker-scale.
التكامل عبر واجهة برمجة التطبيقات بايثون: استخدام واجهة برمجة التطبيقات بايثون مع علامات هيكلية مثل <del>، <ins>، <emo>، <pitch> للتحكم البرمجي.
توليد TTS بدون تدريب مسبق: استخدام وظائف `generate` أو `generate_stream` من DotsTtsEditRuntime لتوليد الكلام من النص.
حالات استخدام dots.tts.edit
- تحسين محتوى الكلام
- تعديل العواطف والأسلوب
- تحكم في النغمة
- تحسين الصوت
- توليد TTS بدون تدريب مسبق
- إنتاج الكلام متعدد اللغات
- تجارب الكلام التفاعلية







