Irodori-TTS: Čo dokáže a ako ho používať? Podrobný návod

Aký druh softvéru na čítanie AI je Irodori-TTS?

Mnohí z vás sa pravdepodobne zaujímajú o nový softvér na čítanie AI s názvom „Irodori-TTS“.

V tomto článku zrozumiteľne vysvetlíme vlastnosti, možnosti, upozornenia a spôsob používania Irodori-TTS.

Okrem toho pre tých, ktorí majú pocit, že „nastavenie vyzerá náročne“, predstavujeme aj metódu syntézy reči, ktorú môžete použiť okamžite bez nutnosti inštalácie.

Čo sa dozviete v tomto článku

1. Čo je to za softvér Irodori-TTS?
2. Čo Irodori-TTS dokáže a na čo si dať pozor
3. Ako používať Irodori-TTS (od nastavenia po úpravu hlasu)
4. Odporúčaná metóda, ak je budovanie prostredia náročné

Čo je Irodori-TTS? Vysvetlenie japonského softvéru na AI syntézu reči

Najprv stručne vysvetlíme, o aký druh softvéru na AI syntézu reči ide a aké sú jeho vlastnosti.

Irodori-TTS je model AI syntézy reči, ktorý beží lokálne

Irodori-TTS je softvér na AI syntézu reči špecializovaný na japončinu.

Vývojárom je Aratako a softvér je voľne dostupný ako open-source (licencia MIT).

Najväčšou vlastnosťou je možnosť „lokálnej prevádzky“, kde sa syntéza reči vykonáva výhradne na vašom vlastnom PC.

Keďže všetko spracovanie generovania hlasu prebieha na vašom lokálnom PC, texty ani vygenerované zvukové dáta sa neodosielajú na externé servery.

Po počiatočnom nastavení je možné generovať hlas bez pripojenia k internetu a počet generovaní nie je obmedzený.

Na nastavenie sú však potrebné programovacie nástroje ako Python a Git.

Pre rýchlu prevádzku sa odporúča výkonné PC vybavené GPU (grafickou kartou).

Čo Irodori-TTS dokáže a čo nedokáže

Ďalej vysvetlíme, čo Irodori-TTS dokáže a aké má obmedzenia.

Čo Irodori-TTS dokáže

Keďže Irodori-TTS beží v lokálnom prostredí, môžete generovať hlas neobmedzene veľakrát.

Hlas môžete voľne vytvárať aj v prostredí bez internetového pripojenia, akonáhle je dokončené počiatočné nastavenie.

Existuje viacero spôsobov, ako zadať inštrukcie na vytvorenie hlasu. Pomocou funkcie titulkov (captioning) môžete vytvoriť kvalitu hlasu podľa svojich predstáv len pomocou textových inštrukcií.

Taktiež je možné reprodukovať vlastný hlas pomocou klonovania hlasu alebo pridať emocionálne vyjadrenie pomocou emoji.

Vďaka licencii MIT je možné vygenerovaný hlas využívať aj na komerčné účely.

Upozornenia k Irodori-TTS

Na druhej strane, pri používaní Irodori-TTS je potrebné poznať niekoľko upozornení.

Dĺžka hlasu vytvoreného na jedenkrát je približne 30 sekúnd

Na jedno generovanie je možné prečítať text v dĺžke približne 30 sekúnd.

Ak chcete prečítať dlhý text, musíte ho rozdeliť a generovať viackrát.

Dosiahnuť presne požadovaný hlas alebo spôsob reči je náročné

Irodori-TTS ponúka vysokú mieru slobody, ale nemá predvolené hlasy (základné hlasy).

Preto, ak nezadáte titulky alebo referenčný hlas, pohlavie a vek sa pri každom generovaní náhodne zmenia.

Ak chcete čítať text vždy rovnakým hlasom, musíte načítať referenčný hlas.

Taktiež neexistuje funkcia na manuálne nastavenie intonácie alebo prízvuku.

Podporovaným jazykom je iba japončina

Podporovaným jazykom je iba japončina, cudzie jazyky ako angličtina nie sú podporované.

Taktiež je potrebné dávať pozor na to, že môže dôjsť k chybám v čítaní znakov kandži.

Odporúča sa vysoko výkonné PC s GPU

V závislosti od špecifikácií PC môže generovanie hlasu trvať dlhšie.

Na PC bez GPU trvá generovanie aj krátkeho textu približne 1 minútu.

Na procesoroch základnej triedy ako Celeron alebo N100 je praktické využitie náročné.

Ako používať Irodori-TTS (Postup nastavenia)

Tu stručne vysvetlíme, ako používať Irodori-TTS.

Celkový postup nastavenia je nasledovný:

1. Inštalácia potrebného softvéru
2. Vytvorenie pracovného priečinka
3. Klonovanie Irodori-TTS z GitHubu
4. Inštalácia potrebných balíkov
5. Spustenie Irodori-TTS
6. Načítanie modelu AI
7. Čítanie textu

1. Inštalácia potrebného softvéru pre Irodori-TTS

Na nastavenie Irodori-TTS je potrebná príprava.

Najprv nainštalujte tieto tri druhy softvéru:

• Python 3.10 alebo vyšší: Programovací jazyk
• Git: Systém na správu verzií (potrebný na stiahnutie Irodori-TTS)
• uv: Správca balíkov pre Python

Ak chcete nainštalovať Python, Git a uv, najprv kliknite pravým tlačidlom myši na ponuku Štart a kliknite na „Terminál“ (nie je potrebné spúšťať ako správca).

Potom sa otvorí obrazovka terminálu (PowerShell).

Na tejto obrazovke zadajte a spustite nasledujúce príkazy:

winget install --id Git.Git -e

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

Týmto ste nainštalovali všetko potrebné na nastavenie Irodori-TTS.

※ Python spravuje uv, takže sa nainštaluje automaticky počas nastavenia.

Po inštalácii raz zatvorte terminál (PowerShell) a znova ho otvorte (aby sa aktualizovali cesty „Path“).

2. Vytvorenie pracovného priečinka

Ďalej vytvorte pracovný priečinok.

Tu bude Irodori-TTS nainštalovaný.

V tomto prípade sme vytvorili priečinok s názvom „irodori-tts“ priamo na disku C.

Po vytvorení priečinka sa doň presuňte v termináli.

cd C:\irodori-tts

3. Klonovanie Irodori-TTS z GitHubu

V termináli zadajte nasledujúci príkaz na klonovanie repozitára Irodori-TTS z GitHubu.

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

Klonovanie repozitára prebehne za pár sekúnd.

Zadajte nasledujúci príkaz na presun do priečinka klonovaného repozitára.

cd Irodori-TTS

4. Inštalácia potrebných balíkov

Zadajte a spustite nasledujúci príkaz na inštaláciu potrebných balíkov pre beh Irodori-TTS.

uv sync

Stiahnutie a inštalácia veľkého množstva balíkov bude chvíľu trvať.

Tu sa nainštaluje aj samotný Python.

Počas sťahovania a inštalácie neodchádzajte od obrazovky terminálu a počkajte.

Keďže sa sťahujú súbory s veľkosťou takmer 3 GB, odporúča sa vykonávať nastavenie na mieste s dobrým internetovým pripojením.

5. Spustenie Irodori-TTS

Po dokončení sťahovania a inštalácie balíkov je nastavenie hotové.

Spustite Irodori-TTS.

Zadajte a spustite nasledujúci príkaz a chvíľu počkajte na spustenie.

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

Keď sa v termináli zobrazí nasledovné, spustenie je dokončené.

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

Otvorte webový prehliadač a prejdite na adresu http://localhost:7860.

Otvorí sa obrazovka Irodori-TTS (WebUI).

6. Načítanie modelu AI

Ak chcete načítať model AI používaný na čítanie textu, kliknite na „Load Model“.

Pri prvom použití sa po stlačení tohto tlačidla spustí sťahovanie modelu AI.

Keď sa v Model Status (miesto označené červeným rámčekom na nasledujúcom obrázku) zobrazí správa o dokončení, načítanie modelu AI je hotové.

7. Čítanie textu pomocou Irodori-TTS

V Irodori-TTS môžete zadávať inštrukcie na čítanie vrátane emocionálnych výrazov, ale najprv to skúsme ako príklad bez inštrukcií.

Posuňte sa nižšie, kde nájdete pole na zadávanie textu, a zadajte vetu, ktorú chcete prečítať.

Tentokrát skúsime prečítať „こんにちは、これはイロドリTTSで作成された音声です。“ (Dobrý deň, toto je hlas vytvorený pomocou Irodori-TTS.)

(Ak napíšete „Irodori-TTS“ latinkou, nemusí to byť prečítané správne, preto sme použili katakanu „イロドリTTS“)

Stlačením tlačidla „Generate“ sa spustí generovanie hlasu.

Irodori-TTS generuje hlas pomocou procesora (CPU) alebo grafickej karty (GPU) vášho počítača.

Preto sa čas potrebný na generovanie výrazne mení v závislosti od výkonu vášho PC.

Tentokrát sme generovali na notebooku bez GPU, takže generovanie krátkej vety trvalo približne 1 minútu.

Referencia: Testované v prostredí CPU: Ryzen 5 4650U, RAM: DDR4 32GB, Windows 11 Pro 24H2.

Po dokončení generovania sa zobrazí priebeh zvukovej vlny a hlas si môžete prehrať.

Príklad prečítania vety „こんにちは、これはイロドリTTSで作成された音声です。“

Ak je po vypočutí všetko v poriadku, stlačte tlačidlo na stiahnutie (ikona šípky nadol) a uložte zvukový súbor.

Zvukový súbor sa uloží vo formáte WAV.

Týmto ste úspešne syntetizovali hlas pomocou Irodori-TTS.

Ako upraviť hlas v Irodori-TTS

V Irodori-TTS môžete upravovať pohlavie, emócie a iné výrazy rôznymi spôsobmi.

Zadanie emócií pomocou emoji

Kliknutím na „Emoji Palette“ pod poľom na zadávanie textu môžete vybrať emoji.

Ku každému emoji je priradený určitý emocionálny výraz:

• 😊 veselo, radostne
• 😭 vzlykanie, plač
• 😰 v zhone, rozrušene
• ⏩ rýchla reč
• 📖 narácia, monológ

Stačí vložiť emoji do poľa s textom a veta bude prečítaná so zadanou emóciou.

Príklad prečítania vety „😊 こんにちは、これはイロドリTTSで作成された音声です。“

Príklad prečítania vety „📖 こんにちは、これはイロドリTTSで作成された音声です。“

Avšak len pomocou emoji nie je možné presne špecifikovať pohlavie alebo vek.

Načítanie referenčného hlasu pre rovnaký hlas

V Irodori-TTS môžete načítať referenčný zvukový súbor a nechať softvér čítať text s odkazom na tento hlas.

Referenčný hlas načítate v časti, kde je napísané „Potiahnite zvuk sem - alebo - kliknite pre nahranie“.

Okrem toho, že môžete čítať text rovnakým hlasom, výsledná kvalita zvuku môže byť čistejšia v porovnaní s tým, keď nič nezadáte.

Úprava štýlu čítania priamo pomocou funkcie titulkov

V Irodori-TTS môžete textom priamo špecifikovať, akým hlasom sa má text čítať.

Ak chcete používať funkciu titulkov, musíte spustiť „verziu VoiceDesign“, čím sa zmení príkaz na spustenie Irodori-TTS v termináli.

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

Po spustení tohto príkazu sa otvorí ovládacie rozhranie verzie VoiceDesign.

Keďže verzia VoiceDesign používa iný AI model ako štandardná verzia, pri prvom použití musíte kliknúť na „Load Model“ a stiahnuť model oddelene od štandardnej verzie.

Model AI má veľkosť približne 2 GB, preto sa odporúča sťahovať ho na mieste s dobrým pripojením.

V ovládacom rozhraní verzie VoiceDesign sa nachádza textové pole „Caption / Style Prompt (optional)“.

Sem vložte vetu popisujúcu, akým hlasom chcete text prečítať.

• Čítajte, prosím, pokojným ženským hlasom, z blízkej vzdialenosti, jemne a prirodzene.
• Hovorte, prosím, energickým mužským hlasom, jasne a svižne.
• Čítajte, prosím, hlbším mužským hlasom, vecne ako hlásateľ správ.

Týmto spôsobom môžete určiť typ hlasu.

Napríklad pri zadaní „Čítajte, prosím, pokojným ženským hlasom, z blízkej vzdialenosti, jemne a prirodzene.“ vznikol takýto hlas:

Príklad so zadaním „Čítajte, prosím, pokojným ženským hlasom, z blízkej vzdialenosti, jemne a prirodzene.“

Aj tu sa podarilo vygenerovať zrozumiteľný hlas s čistou kvalitou zvuku.

Funkcia titulkov má však svoje úskalia.

Funkcia titulkov trvá v porovnaní s inými metódami generovania hlasu oveľa dlhšie.

Pri generovaní na notebooku v tomto teste trvalo vytvorenie tejto krátkej vety približne 5 minút.

Pri používaní funkcie titulkov sa odporúča vysoko výkonné PC s GPU.

Čo sa stane, ak necháte prečítať anglický text?

Irodori-TTS je softvér na čítanie textu, ktorý podporuje iba japončinu.

Čo sa stane, ak doň vložíte anglický text?

Skúsme zadať jednoduchú vzorovú vetu.

Príklad prečítania vety „Hello, this is a voice recording created using Irodori-TTS.“

Ako vidíte, slovo „Hello“ bolo vyslovené s japonským prízvukom (haró) a časť „recording“ bola takmer nezrozumiteľná, takže text nebol prečítaný správne.

Ak chcete čítať anglické texty, odporúča sa použiť službu AI čítania, ktorá podporuje cudzie jazyky.

Odporúčaná metóda syntézy reči, ak je „nastavenie náročné“

Po prečítaní doterajšieho textu ste možno nadobudli pocit, že nastavenie Irodori-TTS vyzerá trochu komplikovane.

Ak nie ste zvyknutí na prácu s terminálom alebo budovanie prostredia Python, len samotné dodržanie postupu vám môže zabrať veľa času.

Taktiež, ak nevlastníte PC s GPU, jedno generovanie hlasu trvá príliš dlho, čo sťažuje jeho použitie napríklad pre komentáre k videám.

V takom prípade odporúčame používať hlas AI, ktorý nevyžaduje inštaláciu ani zložité nastavenia.

『Ondoku』 Hlas AI dostupný bez nutnosti inštalácie

Ak chcete jednoducho syntetizovať reč pomocou najnovšej AI, odporúčame službu AI syntézy reči 『Ondoku』.

『Ondoku』 je služba AI syntézy reči, kde stačí otvoriť prehliadač a vložiť text, aby ste vytvorili hlas.

Hlas môžete bezplatne vytvoriť hneď teraz na PC, smartfóne alebo tablete.

Generovanie hlasu prebieha v cloude (na strane servera), takže nie je problém, ak vaše PC nemá GPU.

K dispozícii je vopred pripravených viacero hlasov, ako sú mužské, ženské alebo detské hlasy, takže si stačí vybrať bez nutnosti pripravovať referenčné hlasy alebo titulky.

Dlhé texty je možné prečítať naraz.

Navyše Ondoku podporuje aj angličtinu!

Podporuje viacero jazykov vrátane francúzštiny, španielčiny, kórejčiny a čínštiny, takže ho môžete použiť aj na čítanie iných ako japonských textov.

Okrem toho môžete zažiť ešte prirodzenejšie čítanie s AI hlasom novej generácie (OndokuBeta).

Ak hľadáte spôsob, ako premeniť text na reč, prečo nevyskúšať 『Ondoku』, ktoré je dostupné zadarmo a jednoducho?

Porovnanie rozdielov medzi Ondoku a Irodori-TTS

Na záver porovnáme hlavné rozdiely medzi Ondoku a Irodori-TTS.

Pri porovnaní možno povedať, že Ondoku vyniká jednoduchosťou a okamžitou použiteľnosťou, zatiaľ čo Irodori-TTS je vhodné pre tých, ktorí majú výkonné PC a chcú si hlas detailne prispôsobiť.

Pre tých, ktorí potrebujú hlas ihneď, potrebujú čítať text vo viacerých jazykoch alebo ho chcú používať na smartfóne či tablete, odporúčame Ondoku.

Je tiež vhodné pre tých, ktorí chcú čítať dlhé texty vcelku, nechcú tráviť čas nastaveniami alebo nemajú v PC grafickú kartu (GPU).

Keďže vysokokvalitný hlas môžete generovať okamžite len otvorením prehliadača, prečo neskúsiť Ondoku zadarmo?

Zhrnutie vlastností, nastavenia a používania Irodori-TTS

V tomto článku sme vysvetlili Irodori-TTS, lokálne bežiaci softvér na AI syntézu reči špecializovaný na japončinu.

Irodori-TTS je atraktívny nástroj pre tých, ktorí si potrpia na vyjadrenie hlasu, vďaka možnostiam ako klonovanie hlasu, dizajn kvality hlasu pomocou titulkov a ovládanie emócií cez emoji.

Avšak spôsob nastavenia a používania je určený pre pokročilých používateľov a vyžaduje budovanie prostredia Python a Git.

Na počítačoch bez GPU navyše generovanie hlasu trvá dlhšie.

Pre tých, ktorí „chcú začať používať syntézu reči hneď teraz a jednoducho“, odporúčame 『Ondoku』, ktoré funguje v prehliadači.

Prečo si nevytvoriť vysokokvalitný hlas s bezplatnou AI syntézou reči, ktorá sa ľahko používa?

■ Softvér AI na syntézu reči „Ondoku“

„Ondoku“ je online nástroj na prevod textu na reč, ktorý možno použiť bez počiatočných nákladov.

• Podporuje približne 50 jazykov vrátane japončiny, angličtiny, čínštiny, kórejčiny, španielčiny, francúzštiny a nemčiny.
• Dostupné z PC aj smartfónu
• Vhodné pre podnikanie, vzdelávanie, zábavu atď.
• Nevyžaduje sa žiadna inštalácia, môžete ho použiť okamžite z vášho prehliadača
• Podporuje tiež čítanie z obrázkov

Ak ho chcete použiť, jednoducho zadajte text alebo nahrajte súbor z lokality. Generujte prirodzené zvukové súbory v priebehu niekoľkých sekúnd. Bezplatne môžete použiť syntézu reči až do 5 000 znakov, preto si ju najskôr vyskúšajte.

Softvér na prevod textu na reč „Ondoku“ dokáže každý mesiac prečítať 5 000 znakov pomocou hlasu AI zadarmo. Môžete si jednoducho stiahnuť MP3 a možné je aj komerčné využitie. Ak sa zaregistrujete zadarmo, môžete zadarmo previesť až 5 000 znakov mesačne z textu na reč. Vyskúšajte Ondoku teraz.

HP: ondoku3.com
Email: ondoku3.com@gmail.com