Linly-Talker
يولد صور رمزية رقمية تفاعلية للبشر من خلال جمع التعرف على الكلام، والنماذج اللغوية الكبيرة، واستنساخ الأصوات، ونماذج الرؤوس المتحدثة.
اجمع النماذج اللغوية الكبيرة، واستنساخ الأصوات، ونماذج الرؤوس المتحدثة في صور رمزية افتراضية تفاعلية.
Linly-Talker هو إطار عمل مفتوح المصدر يبني بشراً رقميين تفاعليين من مدخلات الصوت والصورة المخصصة. يدمج التعرف على الكلام، والنماذج اللغوية الكبيرة، وتحويل النص إلى كلام، واستنساخ الصوت، ونماذج العرض البصري في واجهة ويب Gradio واحدة. وهو يناسب المطورين وصناع المحتوى الذين يبنون مساعدين افتراضيين محليين، أو موظفي استقبال رقميين، أو مقاطع فيديو تعليق صوتي.
ما هو
يربط النظام التعرف التلقائي على الكلام مع نماذج اللغة مثل Qwen و Gemini-Pro لتوليد ردود محادثة. ويطبق نماذج الرؤوس المتحدثة بما في ذلك SadTalker و Wav2Lip و MuseTalk لتحريك الصور الرمزية البصرية من الصور المرفوعة. بالإضافة إلى ذلك، فإنه يتميز باستنساخ الصوت عبر GPT-SoVITS و CosyVoice، إلى جانب دعم WebRTC للبث منخفض التأخير.
لمن هو
هذا النظام يناسب مهندسي الذكاء الاصطناعي، وأخصائيي التوطين، وصناع المحتوى الرقمي الذين يحتاجون إلى صور رمزية متحدثة مخصصة بأصوات مستنسخة. وهو لا يناسب المستخدمين غير التقنيين الذين يبحثون عن خدمة سحابية جاهزة (SaaS)، لأنه يتطلب إدارة أوزان النماذج المحلية وموارد الأجهزة.
أهم الميزات
هنية ذكاء اصطناعي وحدة
يجمع بين وحدات منفصلة لتحويل الكلام إلى نص، ونماذج اللغة الكبيرة، وتحويل النص إلى كلام، وتوليد الرؤوس المتحدثة في خطประมวลผล مرن واحد.
قدرات استنساخ الصوت
يستنسخ الأصوات المستهدفة باستخدام عينات صوتية قصيرة من خلال أدوات مدمجة مثل GPT-SoVITS و CosyVoice و XTTS.
محركات صور رمزية متعددة
يعرض رؤوساً رقمية متحركة باستخدام SadTalker أو Wav2Lip أو ER-NeRF أو خلفيات بصريات MuseTalk الفورية.
دعم بث WebRTC
يمكن من بث الصوت والفيديو المزدوج الكامل ومنخفض التأخير مع دعم مقاطعة المحادثة عبر Linly-Talker-Stream.
جاهز للعمل في 3 خطوات
حكمنا الصادق
ما يميّزه
- يدعم الحوارات السياقية متعددة الجولات مع مختلف النماذج اللغوية الكبيرة بما في ذلك Qwen و ChatGPT
- يسمح باستنساخ الصوت من دقيقة واحدة فقط من بيانات الكلام المستهدف
- يتضمن واجهة ويب Gradio ونقاط نهايات FastAPI REST للتخصيص
- يوفر إمكانيات بث منخفض التأخير مع التعامل الطبيعي مع مقاطعة المحادثة
أين يقصّر
- يتطلب ذاكرة فيديو عالية لوحدة معالجة الرسومات لتنفيذ نماذج الرؤอฟ، واللغة، والصوت في نفس الوقت
- تتطلب حزمة تبعات النماذج المتعددة المعقدة تكوين بيئة دقيق
- يجب تنزيل أوزان النماذج يدوياً وهيكلتها قبل بدء النظام
التسعير والرخصة
Linly-Talker مجاني تماماً ومفتوح المصدر بموجب ترخيص MIT. لا توجد خطط برمجية مدفوعة؛ تكلفتك الوحيدة هي الأجهزة أو موارد وحدة معالجة الرسومات السحابية اللازمة لاستضافة وتشغيل النماذج.
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
هل يمكنني استخدام صور مخصصة للصور الرمزية؟
نعم، يمكنك رفع أي صورة شخصية أو التقاط صورة عبر كاميرا الويب الخاصة بك لتكون بمثابة أساس الصورة الرمزية البصرية.
ما هي الأجهزة المطلوبة لتشغيل هذا الإطار؟
لأنه يشغل شبكات عصبية متعددة في نفس الوقت (النموذج اللغوي الكبير، التعرف على الكلام، تحويل النص إلى كلام، توليد الرؤوس المتحدثة)، يلزم وجود وحدة معالجة رسومات مخصصة ذات ذاكرة كبيرة أو مثيل سحابي (مثل Google Colab أو AutoDL).
