MockingBird
वास्तविक समय में मनचाही स्पीच जनरेट करने के लिए 5 सेकंड में किसी आवाज़ को क्लोन करें।
PyTorch का उपयोग करके 5 सेकंड में आवाज़ों को क्लोन करें और वास्तविक समय में कस्टम स्पीच जनरेट करें।
MockingBird PyTorch पर आधारित एक वास्तविक समय की वॉइस क्लोनिंग और टेक्स्ट-टू-स्पीच टूलकिट है। यह सिविल इंजीनियरिंग टीमों और तकनीकी पेशेवरों के लिए उपयुक्त है जिन्हें प्रोजेक्ट प्रेजेंटेशन या साइट चेतावनियों के लिए तेज़ स्थानीयकृत ऑडियो जेनरेशन की आवश्यकता होती है।
यह क्या है
यह कस्टम एनकोडर, सिंथेसाइज़र और वोकोडर को प्रशिक्षित करने के लिए ऑडियो डेटासेट और मेल स्पेक्टrograms को प्रोसेस करता है। आप विशिष्ट मंदारिन बोलियों या मल्टी-डेटासेट इनपुट के लिए सिंथेसाइज़र को अनुकूलित करते हुए प्रीट्रेन किए गए एनकोडर का पुन उपयोग कर सकते हैं।
किसके लिए
यह डीप लर्निंग अनुभव वाले Python डेवलपर्स और तकनीकी विशेषज्ञों के लिए उपयुक्त है। यह एक साधारण आउट-of-the-box टेक्स्ट-टू-स्पीच मोबाइल ऐप की तलाश कर रहे गैर-तकनीकी उपयोगकर्ताओं के लिए उपयुक्त नहीं है।
मुख्य विशेषताएँ
5-Second Voice Cloning
केवल 5 सेकंड के ऑडियो सैंपल का उपयोग करके लक्षित आवाज़ को क्लोन करें।
PyTorch 1.9.0 Support
Tesla T4 और GTX 2060 जैसे GPU सपोर्ट के साथ PyTorch का उपयोग करके निर्मित और परीक्षण किया गया।
Webserver Ready
रिमोट कॉलिंग एंडपॉइंट के साथ आसानी से अपने जनरेट किए गए स्पीच परिणामों को सर्व करें।
Multi-Dataset Training
aidatatang_200zh, magicdata और aishell3 जैसे चीनी डेटासेट के साथ प्रीप्रोसेस और ट्रेन करें।
3 चरणों में तैयार
हमारा ईमानदार फैसला
क्या अच्छा है
- बहुत छोटे 5 सेकंड के ऑडियो सैंपल से मनचाही आवाज़ों को क्लोन करता है
- रिमोट API कॉलिंग के लिए वेबserver डिप्लॉयमेंट का समर्थन करता है
- Rosetta का उपयोग करने वाले M1 Mac के लिए विशिष्ट सेटअप दस्तावेज़ीकरण शामिल है
- प्रशिक्षण को सरल बनाने के लिए प्रीट्रेन किए गए एनकोडर और वोकोडर का पुन उपयोग करता है
कहाँ कमी है
- M1 Mac पर pyworld और ctc-segmentation जैसी निर्भरताओं के मैन्युअल संकलन की आवश्यकता होती है
- कस्टम सिंथेसाइज़र को प्रशिक्षित करने के लिए बाहरी डेटासेट डाउनलोड करने और चेकपॉइंट प्रबंधित करने की आवश्यकता होती है
- मूल CLI टूल चीनी प्रतीकों के साथ असंगत है, जिसके लिए कस्टम मॉडल पथों की आवश्यकता होती है
मूल्य & लाइसेंस
इसके MIT लाइसेंस के तहत मुफ़्त। इसके अतिरिक्त, मूल लेखक noiz.ai नामक एक क्लाउड-होस्टेड अनुकूलित संस्करण प्रदान करता है।
हिंदी बोलने वालों के लिए जॉब्स
876 खुले रिमोट AI-ट्रेनिंग रोल, 15 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$170 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
विकल्प
इसे उपयोग करें, या हमसे सेट करवाएं
सामान्य प्रश्न
Does this tool support English?
यह रिपॉजिटरी मंदारिन के साथ-साथ अंग्रेजी समर्थन का उल्लेख करती है, हालांकि परीक्षण मुख्य रूप से चीनी डेटासेट और मॉडल पर केंद्रित है।
Can I run this on an Apple Silicon Mac?
हाँ, लेकिन आपको कुछ पैकेजों के लिए Rosetta 2 टर्मिनल सेटअप और मैन्युअल स्रोत संकलन से जुड़े विशिष्ट समाधानों का पालन करना होगा।
