Katalog
Dataset
Rekaman di balik suara-suara. Lihat dataset mana yang sudah memiliki model dan mana yang siap dilatih.
130dataset
32Dengan model
98Perlu dilatih
Jelajahi
Seluruh katalog575 model suara · 75 bahasaBandingkan suaraKalimat yang sama, hingga empat suaraPustaka sayaSuara favorit Anda di perangkat iniTerbaruDitambahkan atau diperbarui dalam 14 hari terakhirMenurut bahasa
Semua bahasa (75)Karakteristik
Jelajahi
Semua dataset130 datasetDengan modelTerkait model Piper: 32Perlu dilatihMenunggu pelatihan: 98Membuat suara
Membuat dataset LJSpeech untuk Piper TTSLJSpeech adalah format standar yang diharapkan Piper. Setiap kalimat adalah file WAV terpisah, dipasangkan dengan transkripsinya di metadata.csv.Melatih suara di KaggleKuota GPU diberikan oleh Kaggle ke akun dan dapat bervariasi menurut ketersediaan. Periksa penghitung sebelum memulai sesi yang lama.Membuat suara
Membuat dataset LJSpeech untuk Piper TTSLJSpeech adalah format standar yang diharapkan Piper. Setiap kalimat adalah file WAV terpisah, dipasangkan dengan transkripsinya di metadata.csv.Melatih suara di KaggleKuota GPU diberikan oleh Kaggle ke akun dan dapat bervariasi menurut ketersediaan. Periksa penghitung sebelum memulai sesi yang lama.Menggunakan suara
Menggunakan suara PiperInstal Piper, ambil 2 file suara pilihan, lalu hasilkan WAV secara lokal. Perintah di bawah menggunakan versi yang dikelola oleh Open Home Foundation.Mengintegrasikan Piper dalam proyek Node.js dengan piperttspipertts menghadirkan Piper di Node.js, dengan output file atau audio dalam memori. Mode yang disarankan adalah PiperNativeTTS: inferensi 100% native dalam proses (ONNX + jembatan espeak terkompilasi), tanpa Python, sekitar 10 kali lebih cepat daripada wrapper. Suara (.onnx + .onnx.json) tetap berupa file terpisah.Suara Piper PlusBeberapa suara menggunakan arsitektur Piper Plus: sintesis multibahasa, prosodi dan decoding MB-iSTFT. Suara ini memakai lencana Piper+ di katalog dan membutuhkan runtime piper-plus, bukan biner piper standar.Katalog
Rekaman di balik suara-suara. Lihat dataset mana yang sudah memiliki model dan mana yang siap dilatih.