Deskripsi
dots.tts.edit V1.1 adalah model autoregressive kontinu yang canggih yang dikembangkan untuk pengeditan suara yang kompleks dan sintesis teks-ke-suara (TTS) tanpa pelatihan sebelumnya. Model ini menawarkan kontrol granular atas suara, memungkinkan pengguna untuk melakukan berbagai modifikasi sambil mempertahankan integritas suara pembicara dan lingkungan akustik di sekitarnya.
Baca Selengkapnya
Model ini mendukung operasi pengeditan yang komprehensif, termasuk penggantian teks, penyisipan, dan penghapusan, yang sangat penting untuk memperbaiki konten yang diucapkan. Selain manipulasi teks dasar, ia menyediakan kontrol lokal atas emosi dan memungkinkan deskripsi gaya bebas, memungkinkan penyesuaian halus terhadap penyampaian suara. Pengguna juga dapat mengontrol nada dan kecepatan bicara dengan tepat, menyisipkan atau mengurangi jeda, serta menerapkan peningkatan suara atau operasi audio latar. Kemampuan kunci adalah komposisi dari beberapa operasi pengeditan, menawarkan fleksibilitas untuk tugas pengeditan yang kompleks.
dots.tts.edit V1.1 bersifat multibahasa, mendukung pengeditan suara dalam bahasa Inggris dan Mandarin serta sintesis tanpa pelatihan sebelumnya. Ini menghasilkan audio berkualitas tinggi 48 kHz. Bobot inti model menggunakan presisi BF16, sementara pengkode pembicara dan vokoder mempertahankan bobot FP32 untuk kinerja optimal. Model ini dapat diakses melalui antarmuka baris perintah (CLI) untuk pengeditan suara atau melalui API Python untuk aplikasi yang lebih terintegrasi. Ini juga mencakup playground interaktif untuk eksperimen lokal.
Instalasi melibatkan pemasangan cabang utama terbaru dari dots.tts dan ketergantungan yang direkomendasikan. CLI memerlukan audio sumber, instruksi bertag, dan jalur keluaran, dengan transkrip sumber dan target opsional. API Python mendukung berbagai tag struktural untuk kontrol detail atas pengeditan. Untuk TTS tanpa pelatihan sebelumnya, DotsTtsEditRuntime menyediakan fungsi `generate` dan `generate_stream`.
Pengguna disarankan untuk menggunakan model ini secara bertanggung jawab. Suara yang dihasilkan atau diedit mungkin kadang-kadang mengandung kesalahan dalam pengucapan, waktu, kesamaan pembicara, atau mengikuti instruksi. Model ini tidak boleh digunakan untuk menyamar, menyesatkan pendengar, melanggar persetujuan, atau membuat konten yang melanggar hukum. Persetujuan eksplisit dari pembicara diperlukan untuk menggunakan suara mereka. Audio yang dibagikan secara publik yang dapat disalahartikan sebagai rekaman asli yang tidak dimodifikasi harus jelas diungkapkan sebagai yang dihasilkan atau diedit oleh AI. Penyalahgunaan dapat dilaporkan melalui diskusi Komunitas di repositori model.
- KategoriModel AI & LLM
- Model HargaOpen source
- PenerapanCloud
- PlatformWeb
Sorotan dots.tts.edit
Model autoregressive kontinu untuk pengeditan suara
Sintesis teks-ke-suara tanpa pelatihan sebelumnya
Penggantian teks, penyisipan, dan penghapusan
Kontrol emosi lokal dan deskripsi gaya bebas
Kontrol nada dan kecepatan bicara
Penyisipan dan pengurangan jeda
Peningkatan suara dan operasi audio latar
Komposisi beberapa operasi pengeditan
Mempertahankan pembicara dan konteks akustik di luar area yang diedit
Mendukung pengeditan dan sintesis suara dalam bahasa Inggris dan Mandarin
Menghasilkan keluaran audio 48 kHz
Antarmuka baris perintah (CLI) untuk pengeditan suara
API Python untuk integrasi
Playground pengeditan lokal interaktif tersedia
Bobot inti BF16 dengan pengkode pembicara dan vokoder FP32
Memulai dengan dots.tts.edit
Instal Ketergantungan: Instal cabang utama terbaru dari dots.tts dan ketergantungan yang direkomendasikan.
Siapkan Audio Sumber: Sediakan audio sumber untuk operasi pengeditan.
Tentukan Instruksi: Buat instruksi bertag untuk pengeditan suara yang diinginkan, termasuk teks, emosi, kontrol nada, atau kecepatan.
Eksekusi Perintah CLI: Gunakan CLI pengeditan suara dengan audio sumber, instruksi bertag, dan jalur keluaran.
Ganti Transkrip (Opsional): Gunakan --source-text dan --target-text untuk mengganti transkrip yang dihasilkan jika diperlukan.
Sesuaikan Panduan Pembicara (Opsional): Kontrol panduan pembicara dengan parameter --use-xvector dan --speaker-scale.
Integrasi melalui API Python: Manfaatkan API Python dengan tag struktural seperti <del>, <ins>, <emo>, <pitch> untuk kontrol programatik.
Hasilkan TTS Tanpa Pelatihan Sebelumnya: Gunakan fungsi `generate` atau `generate_stream` dari DotsTtsEditRuntime untuk sintesis teks-ke-suara.
Kasus Penggunaan dots.tts.edit
- Penyempurnaan Konten Suara
- Penyesuaian Emosi dan Gaya
- Kontrol Prosodi
- Peningkatan Audio
- TTS Tanpa Pelatihan Sebelumnya
- Produksi Suara Multibahasa
- Eksperimen Suara Interaktif







