ggml上で動作するC++音声ツールキット。音声合成、音声認識、音声区間検出に対応し、Metal、Vulkan、CPUで実行できるOpenAI互換サーバーを備えています。
alexturkey/voxcpm2-turkce-ses-tasarimi
VoxCPM2を基盤とするトルコ語の音声デザインツール。4 GBのNVIDIA GPUで動作し、ローカルWeb UIと合成音声を同梱。
- スター
- 387
- フォーク
- 49
- 未解決の Issue
- 4
- 最終コミット
- 一昨日
これは何?
VoxCPM2を使って、トルコ語とほか7言語の音声を生成します。英語で声の特徴を指定すると、モデルが複数のバリエーションを作成するので、その中から選んで任意のトルコ語テキストを読み上げられます。デザインした声は参照音声と固定シードを使って再利用するため、文ごとに声が変わりません。
エンジンには、モデルを約2.8 GBのVRAMに収めるようパッチを適用したaudio.cppビルドを採用しており、GTX 1050 TiなどのGPUで動作します。リポジトリには、ワンコマンドで実行できるWindowsインストーラー、Metal対応のmacOS Apple Silicon向け手順、Linux向けDockerオプション、小規模なローカルWeb UIに加え、トルコ語と英語、フランス語、ドイツ語、スペイン語、ロシア語、中国語、日本語のネイティブ話者を含む14種類の既成音声が用意されています。
自分の声、または所有者から明示的な許可を得た声を使うための音声クローン機能も含まれています。実行前にUIで許可の確認が求められます。
主な機能
- 01英語のテキストによる説明から新しい声をデザインし、比較用に複数のバリエーションを生成します。
- 02参照音声とシードを使い、一貫した声でトルコ語テキストを文ごとに読み上げます。
- 03パッチを適用したaudio.cppエンジンにより、VRAM 4 GBのNVIDIA GPUで動作します。
- 04デザインや読み上げに使えるローカルWeb UIとコマンドラインツールを提供します。
- 058言語にわたる14種類の合成音声を同梱しています。
- 06Metal経由のmacOS Apple Siliconと、Dockerまたはビルドスクリプト経由のLinuxに対応しています。
ユースケース
- 手頃なローカルGPUで、ドキュメンタリー、動画、オーディオブック向けのトルコ語ナレーションを制作する。
- このエンジンを使うDubWorldプログラムで、デザインした声を使って動画に吹き替えを入れる。
- 録音前に、テキストの説明からキャラクターやナレーターの声を試作する。
- 英語、フランス語、ドイツ語、スペイン語、ロシア語、中国語、日本語の多言語ナレーションサンプルを生成する。
クイックスタート
- 1
GitHubページからコードのZIPをダウンロードして展開します
- 2
展開したフォルダーでPowerShellからインストーラーを実行します(C:\voxにセットアップされます)
powershell -NoProfile -ExecutionPolicy Bypass -File scripts\kur.ps1 -Kok C:\vox - 3
baslat.batをダブルクリックして、http://127.0.0.1:8765/ でローカルWeb UIを起動します
使う前に知っておきたいこと
- Windowsへのインストールには、VRAMが4 GB以上のNVIDIA GPUと、バージョン570以降のドライバーが必要です。
- AMDおよびIntel GPUのサポートには、実験版のVulkanビルドを使用します。
- Linuxのサポートは実験的で、CUDA対応のNVIDIA GPUが必要です。
- インストーラーは約3.7 GBをダウンロードします。
収録されている特集
トピック
よくある質問
- voxcpm2-turkce-ses-tasarimi とは?
- VoxCPM2を基盤とするトルコ語の音声デザインツール。4 GBのNVIDIA GPUで動作し、ローカルWeb UIと合成音声を同梱。 VoxCPM2を使って、トルコ語とほか7言語の音声を生成します。英語で声の特徴を指定すると、モデルが複数のバリエーションを作成するので、その中から選んで任意のトルコ語テキストを読み上げられます。デザインした声は参照音声と固定シードを使って再利用するため、文ごとに声が変わりません。
- voxcpm2-turkce-ses-tasarimi は無料で使えますか?ライセンスは?
- voxcpm2-turkce-ses-tasarimi は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- voxcpm2-turkce-ses-tasarimi は今もメンテナンスされていますか?
- 活発にメンテナンス中。voxcpm2-turkce-ses-tasarimi の最終コミットは 2026年11月5日 です。
- voxcpm2-turkce-ses-tasarimi は何に使えますか?
- 手頃なローカルGPUで、ドキュメンタリー、動画、オーディオブック向けのトルコ語ナレーションを制作する。 このエンジンを使うDubWorldプログラムで、デザインした声を使って動画に吹き替えを入れる。 録音前に、テキストの説明からキャラクターやナレーターの声を試作する。 英語、フランス語、ドイツ語、スペイン語、ロシア語、中国語、日本語の多言語ナレーションサンプルを生成する。
- voxcpm2-turkce-ses-tasarimi のインストール方法は?
- GitHubページからコードのZIPをダウンロードして展開します 展開したフォルダーでPowerShellからインストーラーを実行します(C:\voxにセットアップされます): powershell -NoProfile -ExecutionPolicy Bypass -File scripts\kur.ps1 -Kok C:\vox baslat.batをダブルクリックして、http://127.0.0.1:8765/ でローカルWeb UIを起動します
- voxcpm2-turkce-ses-tasarimi はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/alexturkey/voxcpm2-turkce-ses-tasarimi
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
Microsoftによるオープンソースの音声AIモデル群。長時間音声の認識(ASR)、複数話者の音声合成(TTS)、リアルタイムストリーミングTTSに対応。
LLM系モデルを基盤とするオープンソースの音声合成システム。ボイスクローニング、自然言語による感情制御、複数話者の音声生成に対応します。
1つの参照音声から声を複製し、感情・速度・発音を制御できるゼロショット音声合成システム。
8,200万パラメータのオープンウェイト音声合成モデル、Kokoro-82MのPython推論ライブラリ。
合成音声の韻律と発音を改善するため、多言語BERTを取り入れたVITS2ベースの音声合成プロジェクトです。