index-tts
نظام تحويل نص إلى كلام بمستوى صناعي يعتمد على التدريب الصفرى (Zero-Shot) مع تحكم في اللغات المتعددة والمشاعر.
استنسخ الأصوات من مقطع مرجعي واحد مع تحكم دقيق في المشاعر والنطق.
IndexTTS هو نظام تحويل نص إلى كلام يعتمد على التدريب الصفرى (Zero-Shot) لاستنساخ الأصوات من مقاطع صوتية فردية. يدعم التوليد متعدد اللغات، والتحكم الدقيق في المشاعر، وتعديلات النطق باستخدام الفونيمات.
ما هو
يولّد النظام كلاماً تعبيرياً باللغات الصينية والإنجليزية واليابانية والإسبانية والعربية باستخدام مقاطع صوتية مرجعية. يوفر إمكانيات دقيقة لقياس سرعة التحدث، وعوامل المدة، وفصل النبرة عن المشاعر.
لمن هو
يناسب المهندسين التقنيين والمطورين الذين يبنون خطوط أنابيب مخصصة لتحويل النص إلى كلام. لا يناسب المستخدمين غير التقنيين الذين يحتاجون إلى تطبيقات صوتية سطحية بسيطة تعتمد على النقر والتشغيل.
أهم الميزات
استنساخ الأصوات بالتدريب الصفرى (Zero-Shot)
استنساخ الأصوات فوراً من مقطع صوتي مرجعي واحد.
دعم متعدد اللغات
توليد الكلام باللغات الصينية والإنجليزية واليابانية والإسبانية والعربية.
التحكم في النطق
إدارة المخرجات باستخدام نظام بينيين الصيني، وفونيمات CMU الإنجليزية، والكاتاكانا/الهيراغانا اليابانية.
ضبط سرعة التحدث
تعديل إيقاع المخرجات عبر عوامل مدة تتراوح من 0.5x إلى 2.0x.
جاهز للعمل في 3 خطوات
حكمنا الصادق
ما يميّزه
- استنساخ الأصوات من مقطع صوتي مرجعي قصير واحد
- يدعم التحكم الدقيق في المشاعر وسرعة التحدث
- يتعامل مع لغات متعددة بما في ذلك الإنجليزية والإسبانية والعربية
- يسمح بنشر الإنتاج عبر وصفات vLLM
أين يقصّر
- يتطلب إدارة بيئات Python والتبعيات عبر uv
- يستلزم وحدات معالجة رسومية NVIDIA متوافقة مع مجموعة أدوات CUDA Toolkit 12.8 أو الأحدث
- قد يتطلب تكويناً يدويناً للحصول على إعدادات نصف الدقة المثلى أو DeepSpeed
التسعير والرخصة
البرنامج open source، والتكلفة الوحيدة هي تشغيله بنفسك على موارد الأجهزة الخاصة بك.
وظائف للناطقين بالعربية
876 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٥ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$170 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
البدائل
استخدمه، أو دعنا نُعِدّه لك
الأسئلة الشائعة
ما هي اللغات التي تدعمها IndexTTS؟
تدعم IndexTTS-2.5 اللغات الصينية والإنجليزية واليابانية والإسبانية والعربية.
كيف أتحكم في النطق؟
يمكنك التحكم في النطق باستخدام نظام بينيين الصيني، وفونيمات CMU الإنجليزية، والكاتاكانا/الهيراغانا اليابانية.
هل يمكنني نشر هذا للإنتاج؟
نعم، يتم دعم نشر الإنتاج عبر وصفات دمج vLLM.
