synonym/VALLE-X_JPVoiceCloner
1
🎙️ VALL‑E‑X_JP-Voice-Cloner
Zero-shot 音声クローンができる日本語対応の音声合成アプリです。 1〜3秒の音声サンプルと台本テキストを入力するだけで、 話者の特徴を保持した新しいセリフ音声を生成できます。 モデルは Microsoft の VALL-E X を再現・公開した Plachtaa/VALL-E-X に基づいています。
🐾 特徴
- 🇯🇵 日本語対応：日本語音声の入力・出力が可能
- 🎙️ Zero-shot Cloning：3秒の音声と文字起こしで話者再現
- 📜 テキスト合成：好きな台本で喋らせられる
- 🐱 カジュアルUI：誰でも使いやすい Gradio Web UI
🚀 使い方
- 左側のパネルから
- クローンしたい話者の音声（WAV）
- その文字起こし（必須）
- 話させたい台本テキスト（任意） を入力
- 「🎙️ 音声生成」ボタンをクリック
- 右側に生成音声が再生可能な状態で表示されます🎧
💻 動作環境
- 推論には CPU でも動作可能ですが、GPU があると高速です
- 利用している主なライブラリ：
torch,torchaudio,encodec,gradio,pyopenjtalk-prebuilt,openai-whisper, など
🔗 モデルについて
このアプリは、Plachtaa/VALL-E-X によって公開された MITライセンスのコードおよび学習済みモデル（vallex-checkpoint.pt）を利用しています。
モデルの詳細やアーキテクチャはこちらのモデルカードをご覧ください。
This app uses the pretrained VALL-E X model by Plachtaa, released under the MIT License.
📜 ライセンス
本アプリケーションおよび構成コードは MIT License に基づいて公開されています。 学習済みモデル・データセットの利用は、各リソースの元ライセンスに従ってください。