ekwek1/soprano

これは何？

主な機能

• 01CPU、CUDA、Apple MPS搭載デバイスで32kHzの音声を生成します。
• 02低遅延のストリーミングに対応し、長いテキストを自動的に分割します。
• 03WebUI、CLI、Python API、OpenAI互換の音声エンドポイントを提供します。
• 04複数の文をまとめて処理するバッチ推論に対応しています。
• 058,000万パラメータのモデルを使用し、1GB未満のメモリで動作します。

ユースケース

• クラウドAPIを使わずに、デスクトップアプリやエッジアプリへローカルの英語音声出力を追加する。
• 社内アプリ向けにOpenAI形式の音声エンドポイントを提供する。
• ナレーションやボイスオーバー音声をバッチ生成する。
• 音声生成を組み込んだComfyUIワークフローを構築する。

クイックスタート

1. 1

   パッケージをインストール（CPU/MPS）

   pip install soprano-tts
2. 2

   Webインターフェースを起動

   soprano-webui

使う前に知っておきたいこと

• !英語のみ対応。多言語サポートは今後のロードマップに含まれています。
• !音声クローンには対応していません。
• !学習に使用した音声データは約1,000時間のみのため、珍しい単語は発音を誤る場合があります。
• !WindowsでCUDAを使用する場合は、CUDA版のPyTorchを手動で再インストールする必要があります。

トピック

よくある質問

soprano とは？

Sopranoは、CUDA・CPU・MPSに対応し、ストリーミング出力が可能な超軽量のオンデバイス音声合成モデルです。 Sopranoは、コンパクトな8,000万パラメータのアーキテクチャを採用した音声合成モデルで、一般的なコンシューマー向けハードウェアで高速かつ高品質な英語音声を生成できます。32kHzの音声を生成し、CPUとGPUのどちらでも低遅延のストリーミングに対応しています。また、長い入力テキストは自動的に分割されるため、出力の長さに上限はありません。

soprano は無料で使えますか？ライセンスは？

soprano 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。

soprano は今もメンテナンスされていますか？

半年以上コミットなし。soprano の最終コミットは 2026年1月15日 です。

soprano は何に使えますか？

クラウドAPIを使わずに、デスクトップアプリやエッジアプリへローカルの英語音声出力を追加する。 社内アプリ向けにOpenAI形式の音声エンドポイントを提供する。 ナレーションやボイスオーバー音声をバッチ生成する。 音声生成を組み込んだComfyUIワークフローを構築する。

soprano のインストール方法は？

パッケージをインストール（CPU/MPS）: pip install soprano-tts Webインターフェースを起動: soprano-webui

soprano 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/ekwek1/soprano