メインコンテンツへスキップ
ToolPotion
AI アドバイザー
送信(無料)

dots.tts.edit

AI モデルAIモデルとLLMオープンソース · Web

dots.tts.edit V1.1は、正確で指示に基づく音声編集およびゼロショットテキスト音声合成のために設計された連続自己回帰モデルです。テキストの置換、挿入、削除、感情および韻律の制御、ポーズ、強化、背景音声操作など、さまざまな操作をサポートし、編集された領域の外で元の話者と音響コンテキストを保持します。

モデルを見る
共有
モデルを見る
共有

dots.tts.edit V1.1は、洗練された音声編集およびゼロショットテキスト音声合成(TTS)のために開発された高度な連続自己回帰モデルです。このモデルは、音声に対する詳細な制御を提供し、ユーザーが話者の声と周囲の音響環境の整合性を維持しながら、さまざまな修正を行うことを可能にします。

続きを読む

このモデルは、音声コンテンツを洗練させるために重要なテキストの置換、挿入、削除を含む包括的な編集操作をサポートします。基本的なテキスト操作を超えて、感情に対する局所的な制御を提供し、自由形式のスタイル記述を可能にすることで、音声の伝達に対する微妙な調整を実現します。ユーザーは、音程や話す速度を正確に制御し、ポーズを挿入または削減し、音声の強化や背景音声操作を適用できます。複数の編集操作を組み合わせることができるのも重要な機能であり、複雑な編集タスクに柔軟性を提供します。

dots.tts.edit V1.1は多言語対応で、英語と中国語の音声編集およびゼロショット合成をサポートしています。高品質の48 kHzオーディオを生成します。モデルのコアウェイトはBF16精度を利用し、話者エンコーダーとボコーダーは最適なパフォーマンスのためにFP32ウェイトを維持しています。音声編集のためのコマンドラインインターフェース(CLI)または、より統合されたアプリケーションのためのPython APIを介してモデルにアクセスできます。また、ローカルでの実験のためのインタラクティブなプレイグラウンドも含まれています。

インストールには、dots.ttsの最新のメインブランチと推奨される依存関係をインストールする必要があります。CLIには、ソースオーディオ、タグ付きの指示、および出力パスが必要で、オプションでソースおよびターゲットのトランスクリプトを指定できます。Python APIは、編集に対する詳細な制御のためのさまざまな構造タグをサポートしています。ゼロショットTTSのために、DotsTtsEditRuntimeは`generate`および`generate_stream`関数を提供します。

ユーザーはモデルを責任を持って使用することを推奨します。生成または編集された音声には、発音、タイミング、話者の類似性、または指示の遵守においてエラーが含まれる場合があります。モデルは、なりすまし、リスナーを誤解させること、同意を侵害すること、または違法なコンテンツを作成するために使用されるべきではありません。話者の声を使用するには明示的な同意が必要です。AI生成または編集された音声は、真の未修正の録音と誤解される可能性がある場合は、明確にAI生成または編集されたものであることを開示する必要があります。悪用は、モデルリポジトリのコミュニティディスカッションを通じて報告できます。

  • カテゴリーAIモデルとLLM
  • 料金モデルオープンソース
  • デプロイクラウド
  • プラットフォームWeb

  • 音声編集のための連続自己回帰モデル

  • ゼロショットテキスト音声合成

  • テキストの置換、挿入、削除

  • 局所的な感情制御と自由形式のスタイル記述

  • 音程と話す速度の制御

  • ポーズの挿入と削減

  • 音声の強化と背景音声操作

  • 複数の編集操作の構成

  • 編集された領域の外で話者と音響コンテキストを保持

  • 英語と中国語の音声編集および合成をサポート

  • 48 kHzのオーディオ出力を生成

  • 音声編集のためのコマンドラインインターフェース(CLI)

  • 統合のためのPython API

  • ローカル編集プレイグラウンドが利用可能

  • BF16コアウェイトとFP32話者エンコーダーおよびボコーダー

  1. 依存関係のインストール: dots.ttsの最新のメインブランチと推奨される依存関係をインストールします。

  2. ソースオーディオの準備: 編集操作のためのソースオーディオを提供します。

  3. 指示の定義: テキスト、感情、音程、または速度制御を含む、希望する音声編集のためのタグ付き指示を作成します。

  4. CLIコマンドの実行: ソースオーディオ、タグ付き指示、および出力パスを使用して音声編集CLIを実行します。

  5. トランスクリプトのオーバーライド(オプション): 必要に応じて、--source-textおよび--target-textを使用して派生トランスクリプトをオーバーライドします。

  6. 話者ガイダンスの調整(オプション): --use-xvectorおよび--speaker-scaleパラメータを使用して話者ガイダンスを制御します。

  7. Python APIを介して統合: <del>、<ins>、<emo>、<pitch>などの構造タグを使用してプログラム的に制御します。

  8. ゼロショットTTSの生成: DotsTtsEditRuntimeの`generate`または`generate_stream`関数を使用してテキスト音声合成を行います。

  • 音声コンテンツの洗練
  • 感情とスタイルの調整
  • 韻律制御
  • 音声の強化
  • ゼロショットTTS
  • 多言語音声生成
  • インタラクティブな音声実験

dots.tts.edit のレビュー

読み込み中...

dots.tts.edit に似た人気のAIツール

Gemini 3.8 Flash TTS と Flash-Lite TTS は、Google DeepMind によって開発された高度なテキスト読み上げモデルです。表現力豊かな音声生成とリアルタイム音声翻訳を提供し、生成的音声デザインや日常的なオーディオタスクに適しています。

テキスト読み上げ
ツールを見る

Google DeepMind によって開発された高度なテキスト読み上げモデルです。表現力豊かな音声生成とリアルタイム音声翻訳を提供し、生成的音声デザインや日常的なオーディオタスクに適しています。Gemini 3.8 Flash TTS と Flash-Lite TTS は、Google DeepMind によって開発された高度なテキスト読み上げモデルです。表現力豊かな音声生成とリアルタイム音声翻訳を提供し、生成的音声デザインや日常的なオーディオタスクに適しています。

テキスト読み上げ
AI モデル トップ5を見る

Descript

AI アプリ

Descriptは、ユーザーがテキストを直接編集することで編集を簡素化するAIビデオおよびオーディオエディタです。録音、文字起こし、編集、公開機能を1つのツールで提供し、初心者からプロフェッショナルまで利用可能です。

AIオーディオエディター

AI アプリで第46位

ツールを見る

AI アプリ

ユーザーがテキストを直接編集することで編集を簡素化するAIビデオおよびオーディオエディタです。録音、文字起こし、編集、公開機能を1つのツールで提供し、初心者からプロフェッショナルまで利用可能です。Descriptは、ユーザーがテキストを直接編集することで編集を簡素化するAIビデオおよびオーディオエディタです。録音、文字起こし、編集、公開機能を1つのツールで提供し、初心者からプロフェッショナルまで利用可能です。

注目AIオーディオエディター
AI アプリで第46位

Ming-3.0-tts-tiny

AI モデル

Ming-3.0-tts-tinyは、パラ言語的および自由形式の制御を備えた多言語音声合成モデルです。ゼロショット音声クローンと音声デザインをサポートし、配信や話し方に対する明示的な制御を提供します。

テキスト読み上げ
ツールを見る

AI モデル

パラ言語的および自由形式の制御を備えた多言語音声合成モデルです。ゼロショット音声クローンと音声デザインをサポートし、配信や話し方に対する明示的な制御を提供します。Ming-3.0-tts-tinyは、パラ言語的および自由形式の制御を備えた多言語音声合成モデルです。ゼロショット音声クローンと音声デザインをサポートし、配信や話し方に対する明示的な制御を提供します。

テキスト読み上げ
AI モデル トップ5を見る

VoiceStar TTSシステム

AI GitHub リポジトリ

VoiceStarは、音声パターンを外挿できる堅牢で、期間制御可能なテキスト読み上げ(TTS)システムです。さまざまなアプリケーション向けに高品質でカスタマイズ可能な音声出力を提供するように設計されています。

AIモデルとLLM
ツールを見る

AI GitHub リポジトリ

音声パターンを外挿できる堅牢で、期間制御可能なテキスト読み上げ(TTS)システムです。さまざまなアプリケーション向けに高品質でカスタマイズ可能な音声出力を提供するように設計されています。VoiceStarは、音声パターンを外挿できる堅牢で、期間制御可能なテキスト読み上げ(TTS)システムです。さまざまなアプリケーション向けに高品質でカスタマイズ可能な音声出力を提供するように設計されています。

AIモデルとLLM
AI GitHub リポジトリ トップ250を見る

Typeless

AI アプリ

Typelessは、話された思考をさまざまなアプリケーションで明確で洗練された文章に変換するAI音声ディクテーションツールです。フィラー単語、繰り返しを取り除き、文中の変更を自動的に修正することで、スピーチを自動的に洗練します。100以上の言語をサポートし、Typelessはあなたの個人的なスタイルとトーンに適応し、瞬時の翻訳と高度な編集機能を提供します。自…

ライティングと編集

ライティングと編集で第15位

ツールを見る

AI アプリ

話された思考をさまざまなアプリケーションで明確で洗練された文章に変換するAI音声ディクテーションツールです。フィラー単語、繰り返しを取り除き、文中の変更を自動的に修正することで、スピーチを自動的に洗練します。100以上の言語をサポートし、Typelessはあなたの個人的なスタイルとトーンに適応し、瞬時の翻訳と高度な編集機能を提供します。自…Typelessは、話された思考をさまざまなアプリケーションで明確で洗練された文章に変換するAI音声ディクテーションツールです。フィラー単語、繰り返しを取り除き、文中の変更を自動的に修正することで、スピーチを自動的に洗練します。100以上の言語をサポートし、Typelessはあなたの個人的なスタイルとトーンに適応し、瞬時の翻訳と高度な編集機能を提供します。自…

ライティングと編集
ライティングと編集で第15位

Index-TTS

AI GitHub リポジトリ

Index-TTSは、産業レベルで制御可能かつ効率的なゼロショット音声合成システムです。高品質な音声合成を必要とするさまざまな業界向けのテキスト入力から人間のような音声を生成するための高度な機能を提供します。

テキスト読み上げ
ツールを見る

AI GitHub リポジトリ

産業レベルで制御可能かつ効率的なゼロショット音声合成システムです。高品質な音声合成を必要とするさまざまな業界向けのテキスト入力から人間のような音声を生成するための高度な機能を提供します。Index-TTSは、産業レベルで制御可能かつ効率的なゼロショット音声合成システムです。高品質な音声合成を必要とするさまざまな業界向けのテキスト入力から人間のような音声を生成するための高度な機能を提供します。

テキスト読み上げ
AI GitHub リポジトリ トップ250を見る

FineVoice

AI アプリ

FineVoiceは、1500以上のリアルな声を持つテキスト読み上げ、声のクローン、声の変更、効果音、バックグラウンドミュージック、声の翻訳を提供するAI音声およびコンテンツ作成プラットフォームです。

AI音声ジェネレーターメディア・エンターテインメント

効果音の生成で第12位

ツールを見る

AI アプリ

1500以上のリアルな声を持つテキスト読み上げ、声のクローン、声の変更、効果音、バックグラウンドミュージック、声の翻訳を提供するAI音声およびコンテンツ作成プラットフォームです。FineVoiceは、1500以上のリアルな声を持つテキスト読み上げ、声のクローン、声の変更、効果音、バックグラウンドミュージック、声の翻訳を提供するAI音声およびコンテンツ作成プラットフォームです。

AI音声ジェネレーターメディア・エンターテインメント
効果音の生成で第12位

キャプション

AI アプリ

キャプションは、映像やアイデアを完全に編集された、共有可能な動画に変えるAI動画生成および編集ツールです。ソーシャル動画、広告、チュートリアル、ポッドキャストクリップを制作するコンテンツクリエイター向けに設計されています。

AI動画編集ツールマーケティング・クリエイティブエージェンシー

AI アプリで第105位

ツールを見る

AI アプリ

映像やアイデアを完全に編集された、共有可能な動画に変えるAI動画生成および編集ツールです。ソーシャル動画、広告、チュートリアル、ポッドキャストクリップを制作するコンテンツクリエイター向けに設計されています。キャプションは、映像やアイデアを完全に編集された、共有可能な動画に変えるAI動画生成および編集ツールです。ソーシャル動画、広告、チュートリアル、ポッドキャストクリップを制作するコンテンツクリエイター向けに設計されています。

注目AI動画編集ツールマーケティング・クリエイティブエージェンシー
AI アプリで第105位
1 / 8