Mikä on Irodori-TTS? Ominaisuudet ja käyttöopas selkeästi

Minkälainen AI-puheohjelmisto Irodori-TTS on?

Monet saattavat olla kiinnostuneita uudesta AI-puheohjelmistosta nimeltä "Irodori-TTS".

Tässä artikkelissa selitämme selkeästi Irodori-TTS:n ominaisuudet, mitä sillä voi tehdä, huomioitavat asiat ja käyttöohjeet.

Lisäksi niille, joiden mielestä "asennus vaikuttaa vaikealta", esittelemme myös puhesynteesimenetelmän, jota voi käyttää heti ilman asennusta.

Tästä artikkelista opit:

1. Mikä ohjelmisto Irodori-TTS on?
2. Irodori-TTS:n mahdollisuudet ja huomioitavat asiat
3. Irodori-TTS:n käyttö (asennuksesta äänen säätämiseen)
4. Suositeltu menetelmä, jos ympäristön rakentaminen on vaikeaa

Mikä on Irodori-TTS? Japanilaisen AI-puhesynteesi-ohjelmiston esittely

Aluksi kerromme lyhyesti, mikä AI-puhesynteesi-ohjelmisto Irodori-TTS on ja mitkä ovat sen tärkeimmät ominaisuudet.

Irodori-TTS on paikallisesti toimiva AI-puhesynteesi-malli

Irodori-TTS on erityisesti japaniin erikoistunut AI-puheohjelmisto.

Sen kehittäjä on Aratako, ja se on julkaistu avoimena lähdekoodina (MIT-lisenssi) ilmaiseksi.

Suurin ominaisuus on "paikallinen toiminta", mikä tarkoittaa, että puhesynteesi tapahtuu kokonaan omalla tietokoneellasi.

Koska kaikki äänen luontiprosessit suoritetaan paikallisella PC:llä, tekstiä tai luotuja äänitiedostoja ei lähetetä ulkoisille palvelimille.

Ensimmäisen asennuksen jälkeen voit luoda puhetta ilman internetyhteyttä, ja luontikertojen määrää ei ole rajoitettu.

Asennukseen tarvitaan kuitenkin ohjelmointityökaluja, kuten Python ja Git.

Nopeaa toimintaa varten suositellaan suorituskykyistä tietokonetta, jossa on GPU (näytönohjain).

Mitä Irodori-TTS:llä voi ja ei voi tehdä

Seuraavaksi käsittelemme Irodori-TTS:n mahdollisuuksia ja rajoituksia.

Mitä Irodori-TTS:llä voi tehdä

Koska Irodori-TTS toimii paikallisessa ympäristössä, voit luoda ääntä rajoituksetta kuinka monta kertaa tahansa.

Voit luoda puhetta vapaasti myös ilman internetyhteyttä, kunhan alkuasennus on tehty.

Äänen luomiseen on useita tapoja; caption-toiminnon avulla voit luoda haluamasi kaltaisen äänen pelkillä tekstiohjeilla.

Lisäksi voit toistaa olemassa olevia ääniä puheen klonauksella (voice cloning) tai lisätä tunneilmaisuja emojien avulla.

MIT-lisenssin ansiosta luodun äänen kaupallinen käyttö on myös mahdollista.

Irodori-TTS:n huomioitavat asiat

Toisaalta Irodori-TTS:ssä on asioita, jotka on hyvä tietää ennen käyttöä.

Yhdellä kertaa luotavan puheen pituus on noin 30 sekuntia

Yhdellä luontikerralla voidaan lukea tekstiä noin 30 sekuntia.

Jos haluat lukea pitkiä tekstejä, sinun on jaettava teksti osiin ja luotava puhe useita kertoja.

Haluamasi äänen tai puhetavan saavuttaminen voi olla vaikeaa

Koska Irodori-TTS on erittäin joustava, siinä ei ole valmiita oletusääniä.

Tästä johtuen, jos et määritä caption-ohjeita tai referenssiääntä, sukupuoli ja ikä voivat muuttua satunnaisesti jokaisella luontikerralla.

Jos haluat lukea tekstiä samalla äänellä, sinun on ladattava referenssiääni.

Lisäksi siinä ei ole toimintoa painotusten tai intonaation manuaaliseen säätämiseen.

Tuettu kieli on vain japani

Tuettu kieli on vain japani, eikä se tue vieraita kieliä, kuten englantia.

On myös huomioitava, että kanji-merkkien lukemisessa voi esiintyä virheitä.

Suositellaan suorituskykyistä PC:tä GPU:lla

Tietokoneen suorituskyvystä riippuen äänen luominen voi kestää kauan.

PC:llä ilman GPU:ta jopa lyhyen tekstin luominen voi kestää noin minuutin.

Celeron- tai N100-tasoisilla prosessoreilla käyttö voi tuntua epäkäytännölliseltä.

Miten Irodori-TTS:ää käytetään (asennusprosessi)

Tässä osiossa selitämme lyhyesti Irodori-TTS:n käytön.

Asennuksen vaiheet ovat seuraavat:

1. Asenna tarvittavat ohjelmistot
2. Luo työskentelykansio
3. Kloonaa Irodori-TTS GitHubista
4. Asenna tarvittavat paketit
5. Käynnistä Irodori-TTS
6. Lataa AI-malli
7. Lue teksti ääneen

1. Asenna Irodori-TTS:n tarvitsemat ohjelmistot

Irodori-TTS:n asennus vaatii valmisteluja.

Asenna ensin nämä kolme asiaa:

• Python 3.10 tai uudempi: Ohjelmointikieli
• Git: Versionhallintajärjestelmä (tarvitaan Irodori-TTS:n lataamiseen)
• uv: Pythonin paketinhallintaohjelma

Asentaaksesi Pythonin, Gitin ja uv:n, klikkaa ensin hiiren kakkospainikkeella käynnistä-valikkoa ja valitse "Terminaali" (sitä ei tarvitse suorittaa järjestelmänvalvojana).

Tämän jälkeen terminaalin (PowerShell) ikkuna avautuu.

Kirjoita ja suorita tässä ikkunassa seuraavat komennot:

winget install --id Git.Git -e

winget install --id=astral-sh.uv -e

Nyt olet asentanut tarvittavat työkalut Irodori-TTS:n asennusta varten.

※ uv hallitsee Pythonia, joten se asennetaan automaattisesti asennuksen aikana.

Kun asennus on valmis, sulje terminaali (PowerShell) ja avaa se uudelleen (polkujen päivittämiseksi).

2. Työskentelykansion luominen

Seuraavaksi luodaan työskentelykansio.

Irodori-TTS asennetaan tänne.

Tässä esimerkissä loimme C-aseman juureen kansion nimeltä "irodori-tts".

Kun kansio on luotu, siirry siihen terminaalissa.

cd C:\irodori-tts

3. Kloonaa Irodori-TTS GitHubista

Kirjoita seuraava komento terminaaliin kloonataksesi Irodori-TTS-tietovaraston GitHubista.

git clone https://github.com/Aratako/Irodori-TTS.git

Kloonaus valmistuu muutamassa sekunnissa.

Kirjoita seuraava komento siirtyäksesi kloonattuun kansioon:

cd Irodori-TTS

4. Asenna tarvittavat paketit

Kirjoita ja suorita seuraava komento asentaaksesi Irodori-TTS:n tarvitsemat paketit.

uv sync

Suuren pakettimäärän lataaminen ja asentaminen vie aikaa.

Myös itse Python asennetaan tässä vaiheessa.

Odota, äläkä sulje terminaalia latauksen ja asennuksen aikana.

Lataat lähes 3 Gt tiedostoja, joten asennus kannattaa tehdä paikassa, jossa on hyvä verkkoyhteys.

5. Käynnistä Irodori-TTS

Kun pakettien lataus ja asennus on valmis, asennus on valmis.

Käynnistä Irodori-TTS.

Kirjoita ja suorita seuraava komento ja odota hetki käynnistymistä.

uv run python gradio_app.py --server-name 0.0.0.0 --server-port 7860

Käynnistys on valmis, kun terminaalissa näkyy seuraava teksti:

Running on local URL: http://0.0.0.0:7860

Avaa selain ja mene osoitteeseen http://localhost:7860.

Tällöin Irodori-TTS:n käyttöliittymä (WebUI) avautuu.

6. AI-mallin lataaminen

Klikkaa "Load Model" ladataksesi puhesynteesiin käytettävän AI-mallin.

Ensimmäisellä käyttökerralla AI-mallin lataus alkaa, kun painat tätä painiketta.

Kun Model Status -kohdassa (seuraavassa kuvassa punaisella kehystetty) näkyy valmistumisviesti, AI-malli on ladattu.

7. Tekstin lukeminen Irodori-TTS:llä

Irodori-TTS:ssä voit antaa ohjeita puhetavasta, mukaan lukien tunneilmaukset, mutta kokeillaan ensin lukemista ilman ohjeita.

Vieritä alaspäin tekstinsyöttökenttään ja kirjoita teksti, jonka haluat lukea.

Tässä kokeilemme lukea: 「こんにちは、これはイロドリTTSで作成された音声です。」 (Päivää, tämä on Irodori-TTS:llä luotu ääni.)

(Kirjoitimme "イロドリTTS" katakanalla, koska "Irodori-TTS" latinalaisilla aakkosilla ei luettu oikein.)

Paina "Generate"-painiketta aloittaaksesi äänen luomisen.

Irodori-TTS luo äänen käyttämällä tietokoneesi CPU:ta tai GPU:ta.

Siksi tietokoneen suorituskyky vaikuttaa merkittävästi luontiin kuluvaan aikaan.

Tässä testissä käytimme kannettavaa tietokonetta ilman GPU:ta, joten jopa lyhyen tekstin luominen kesti noin minuutin.

Viite: Testiluonti tehtiin ympäristössä: CPU: Ryzen 5 4650U, RAM: DDR4 32GB, Windows 11 Pro 24H2.

Kun luonti on valmis, äänen aaltomuoto tulee näkyviin ja voit toistaa äänen.

Esimerkki tekstistä 「こんにちは、これはイロドリTTSで作成された音声です。」

Jos ääni on hyvä, paina latauspainiketta (nuoli alaspäin) tallentaaksesi äänitiedoston.

Äänitiedosto tallennetaan WAV-muodossa.

Nyt olet onnistuneesti luonut puhetta Irodori-TTS:n avulla.

Irodori-TTS:n äänen säätäminen

Irodori-TTS:ssä voit säätää sukupuolta, tunteita ja muita ilmaisutapoja monin eri tavoin.

Tunneilmaisun määrittäminen emojien avulla

Klikkaamalla tekstinsyöttökentän alapuolella olevaa "Emoji Palette" -kohtaa voit valita emojeja.

Jokaiselle emojille on määritetty tietty tunneilmaisu.

• 😊 Iloisesti
• 😭 Nyyhkyttäen, itkien
• 😰 Hätääntyneenä, järkyttyneenä
• ⏩ Nopeasti puhuen
• 📖 Narraatio, monologi

Lisäämällä emojin tekstikenttään voit luoda puhetta määritetyllä tunteella.

Esimerkki: 「😊 こんにちは、これはイロドリTTSで作成された音声です。」

Esimerkki: 「📖 こんにちは、これはイロドリTTSで作成された音声です。」

Huomioithan, että pelkkä emoji ei mahdollista sukupuolen tai iän tarkkaa määrittämistä.

Saman äänen käyttäminen referenssiäänen avulla

Irodori-TTS:ssä voit ladata referenssiäänitiedoston ja käyttää sitä pohjana puheen luomiselle.

Lataa referenssiääni kohdasta, jossa lukee 「音声をここにドロップ - または - クリックしてアップロード」 (Pudota ääni tähän - tai - Klikkaa ladataksesi).

Tämä ei ainoastaan mahdollista saman äänen käyttöä, vaan se voi myös tuottaa kirkkaamman äänenlaadun verrattuna siihen, ettei mitään ole määritetty.

Puhetyylin suora säätäminen caption-toiminnolla

Irodori-TTS:ssä voit myös määritellä suoraan tekstin avulla, miltä äänen tulisi kuulostaa.

Caption-toiminnon käyttämiseksi on käynnistettävä "VoiceDesign-versio", jolloin Irodori-TTS:n käynnistyskomento terminaalissa muuttuu.

uv run python gradio_app_voicedesign.py --server-name 0.0.0.0 --server-port 7861

Tämä komento käynnistää VoiceDesign-version käyttöliittymän.

Koska VoiceDesign-versio käyttää eri AI-mallia kuin perusversio, ensimmäisellä käyttökerralla on klikattava "Load Model" ja ladattava malli erikseen.

AI-mallin koko on noin 2 Gt, joten se kannattaa ladata hyvällä verkkoyhteydellä.

VoiceDesign-version käyttöliittymässä on tekstikenttä "Caption / Style Prompt (optional)".

Kirjoita tähän tekstinä, millaisella äänellä haluat ohjelman lukevan.

• Rauhallinen naisääni, lue pehmeästi ja luonnollisesti läheiseltä etäisyydeltä.
• Reipas miesääni, puhu kirkkaasti ja selkeästi.
• Matala miesääni, lue asiallisesti kuin uutisankkuri.

Näin voit määritellä, millainen ääni on kyseessä.

Esimerkiksi ohjeella 「落ち着いた女性の声で、近い距離感でやわらかく自然に読み上げてください。」 (Rauhallinen naisääni, lue pehmeästi ja luonnollisesti läheiseltä etäisyydeltä) saatiin tällainen ääni:

Esimerkki caption-ohjeella

Tässäkin onnistuttiin luomaan selkeä ja helposti kuunneltava ääni.

Caption-toiminnossa on kuitenkin huomioitava seikka:

Caption-toiminto vie huomattavasti enemmän aikaa äänen luomiseen kuin muut menetelmät.

Tässä testissä lyhyen tekstin luominen kannettavalla tietokoneella kesti noin 5 minuuttia.

Caption-toimintoa käytettäessä suositellaan erittäin suorituskykyistä PC:tä GPU:lla.

Mitä tapahtuu, jos luetaan englanninkielistä tekstiä?

Irodori-TTS on vain japania tukeva ohjelmisto.

Mitä tapahtuu, jos kokeilemme lukea englanninkielistä tekstiä?

Kokeillaan yksinkertaista esimerkkilausetta.

Esimerkki englanninkielisestä tekstistä 「Hello, this is a voice recording created using Irodori-TTS.」

Tällä tavoin "Hello" lausuttiin japanilaisittain "haroo" ja sanan "recording" kohdalla ääntämisestä tuli epäselvää. Ohjelma ei kyennyt lukemaan tekstiä oikein.

Jos haluat lukea englanninkielistä tekstiä, on suositeltavaa käyttää vieraita kieliä tukevaa AI-puhepalvelua.

Suositeltu puhesynteesimenetelmä, jos asennus tuntuu vaikealta

Tähän asti lukeneena saatat tuntea, että Irodori-TTS:n asennus vaikuttaa hieman työläältä.

Jos et ole tottunut terminaalin käyttöön, jo Pythonin ja Gitin kaltaisten työkalujen valmistelu, pakettien asennus ja AI-mallien lataaminen voi viedä paljon aikaa.

Lisäksi, jos sinulla ei ole GPU:lla varustettua tietokonetta, yhden puheen luominen kestää liian kauan, jotta sitä voisi käyttää esimerkiksi videoiden narraatioon.

Pitkät tekstit on jaettava noin 30 sekunnin osiin ja luotava ääni useaan kertaan.

Niille, jotka haluavat luoda puhetta tekstistä ilman asennusta, esittelemme selaimessa toimivan AI-puhesynteesi-palvelun.

『Ondoku』 – AI-puhe, jota voi käyttää ilman asennusta

Kun haluat luoda puhesynteesiä helposti uusimmalla AI-tekniikalla, suosittelemme AI-puhesynteesi-palvelua 『Ondoku』.

『Ondoku』 on AI-puhesynteesi-palvelu, jossa voit luoda puhetta vain avaamalla selaimen ja liittämällä tekstin.

Voit luoda puhetta ilmaiseksi heti PC:llä, älypuhelimella tai tabletilla.

Koska äänen luominen tapahtuu pilvessä (palvelimen puolella), ei ole ongelma, vaikka tietokoneessasi ei olisi GPU:ta.

Tarjolla on valmiiksi useita eri ääniä, kuten miesääniä, naisääniä ja lasten ääniä, joten voit aloittaa lukemisen heti valitsemalla äänen ilman referenssiäänien tai caption-ohjeiden valmistelua.

Myös pitkät tekstit voidaan lukea sellaisenaan.

Lisäksi Ondoku tukee englantia!

Se tukee monia kieliä, kuten ranskaa, espanjaa, koreaa ja kiinaa, joten voit käyttää sitä muuhunkin kuin vain japaninkieliseen puheeseen.

Lisäksi voit kokea entistä luonnollisemman puheen seuraavan sukupolven AI-äänellä (OndokuBeta).

Jos etsit tapaa muuttaa tekstiä puheeksi, mikset kokeilisi helposti käytettävää 『Ondoku』-palvelua ilmaiseksi?

Ondoku ja Irodori-TTS – erojen vertailu

Lopuksi vertailemme Ondokun ja Irodori-TTS:n tärkeimpiä eroja.

Vertailun perusteella Ondoku sopii helppoutta ja nopeaa käyttöä arvostaville, kun taas Irodori-TTS sopii niille, joilla on tehokas PC ja jotka haluavat hienosäätää ääntä yksityiskohtaisesti.

Jos tarvitset puhetta heti, tarvitset monikielistä tukea tai haluat käyttää palvelua älypuhelimella tai tabletilla, Ondoku on suositeltava valinta.

Se sopii myös niille, jotka haluavat lukea pitkiä tekstejä kerralla, eivät halua käyttää aikaa asennukseen tai joiden tietokoneessa ei ole GPU:ta.

Voit luoda korkealaatuista puhetta heti vain avaamalla selaimen, joten mikset kokeilisi Ondoku-palvelua ilmaiseksi?

Yhteenveto: Irodori-TTS:n ominaisuudet, asennus ja käyttö

Tässä artikkelissa käsittelimme Irodori-TTS:ää, joka on erityisesti japaniin keskittynyt, paikallisesti toimiva AI-puhesynteesi-ohjelmisto.

Irodori-TTS on houkutteleva työkalu niille, jotka haluavat panostaa ääni-ilmaisuun, kuten puheen klonaukseen, caption-pohjaiseen äänisuunnitteluun ja emojien avulla tehtävään tunnehallintaan.

Asennus ja käyttö on kuitenkin suunnattu edistyneille käyttäjille, ja asennus vaatii Python- ja Git-ympäristöjen rakentamista.

Lisäksi tietokoneilla ilman GPU:ta äänen luominen vie aikaa.

Niille, jotka haluavat käyttää puhesynteesiä helposti heti, suosittelemme selaimella toimivaa 『Ondoku』-palvelua.

Haluaisitko sinäkin luoda korkealaatuista puhetta helposti käytettävällä ilmaisella AI-puhesynteesillä?