WhisperSpeech
نظام تحويل النص إلى كلام مفتوح المصدر مصمم عن طريق عكس Whisper.
نظام تحويل النص إلى كلام مفتوح المصدر مصمم عن طريق عكس OpenAI Whisper
WhisperSpeech هو نظام تحويل النص إلى كلام مفتوح المصدر يعكس OpenAI Whisper، ويهدف إلى تحقيق تأثير مشابه لـ Stable Diffusion في مجال الصوت. وهو مناسب للمطورين والباحثين الذين يقومون بإنشاء مسارات مخصصة لتوليد الصوت للمدن الذكية وتطبيقات القطاع العام.
ما هو
يستخدم نظاماً يعتمد على الرموز من مرحلتين يجمع بين OpenAI Whisper للرموز الدلالية، وEnCodec لترميز الموجات الصوتية، وVocos للتوليد الصوتي العصبي. ويدعم الاستدلال السريع عبر torch.compile وKV-caching، مما يتيح أداءً في الوقت الفعلي على وحدات معالجة الرسومات الاستهلاكية.
لمن هو
وهو مناسب للمطورين والباحثين الذين يحتاجون إلى نماذج تحويل نص إلى كلام قابلة للتعديل وآمنة تجارياً مع قدرات استنساخ الأصوات. وهو غير مناسب للمستخدمين الذين يبحثون عن تطبيقات بسيطة وسهلة الاستخدام للمستهلك النهائي دون إعداد تقني.
أهم الميزات
عكس OpenAI Whisper
يستخدم Whisper لربط النصوص بالرموز الدلالية لتحويل النص إلى كلام.
دعم استنساخ الأصوات
يتيح استنساخ الأصوات بنقرة واحدة من عينات صوتية مرجعية.
استدلال سريع عبر GPU
يحقق أداءً أسرع 12 مرة من الوقت الفعلي على بطاقة RTX 4090 باستخدام torch.compile وKV-caching.
التبديل اللغوي المتعدد
يدعم خلط لغات متعددة بسلاسة داخل جملة واحدة.
جاهز للعمل في 3 خطوات
حكمنا الصادق
ما يميّزه
- تم التدريب فقط على بيانات مرخصة بشكل صحيح.
- يتضمن قدرات التبديل اللغوي عبر لغات متعددة.
- يحقق سرعات تنفيذيّة عالية على الأجهزة الاستهلاكية مثل RTX 4090.
- يستخدم مسار توليد صوتي قابل للمقارنة مع AudioLM وSPEAR TTS.
أين يقصّر
- يتطلب مهارات تقنية عالية في PyTorch وJupyter Notebooks.
- يتطلب تشغيل التوليد عالي الأداء وحدات معالجة رسومات استهلاكية أو مؤسسية مخصصة.
- نماذج اللغات المتعددة النهائية لا تزال قيد التطوير النشط واستكمال خارطة الطريق.
التسعير والرخصة
البرنامج مجاني بموجب تراخيصه مفتوحة المصدر، مع عدم وجود خيارات مدفوعة مستضافة مذكورة في ملف README. التكاليف الوحيدة لديك هي موارد الحوسبة اللازمة لتشغيل 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
ما هي البيانات التي تم تدريب النماذج عليها؟
تم تدريب النماذج حصرياً على بيانات مرخصة بشكل صحيح، بدءاً من إصدار English LibreLight.
هل يمكنني إجراء استنساخ للأصوات باستخدام WhisperSpeech؟
نعم، يدعم النظام استنساخ الأصوات بنقرة واحدة من ملفات مرجعية صوتية قصيرة.
ما هي الأجهزة المطلوبة للتوليد السريع؟
حقق المطورون أداءً أسرع بـ 12 مرة من الوقت الفعلي باستخدام وحدة معالجة رسومات استهلاكية RTX 4090 مع تمكين torch.compile.
