Catalogo
Dataset
Le registrazioni alla base delle voci. Scopri quali dataset hanno già un modello e quali sono pronti per l'addestramento.
130dataset
32Con modello
98Da addestrare
Sfoglia
Tutto il catalogo575 modelli vocali · 75 lingueConfronta vociLa stessa frase, fino a quattro vociLa mia libreriaLe sue voci preferite, su questo dispositivoNovitàAggiunte o aggiornate negli ultimi 14 giorniPer lingua
Tutte le lingue (75)Caratteristiche
Sfoglia
Tutti i dataset130 datasetCon modelloAssociati a un modello Piper: 32Da addestrareIn attesa di addestramento: 98Creare una voce
Creare un dataset LJSpeech per Piper TTSLJSpeech è il formato standard atteso da Piper. Ogni frase è un file WAV separato, con la trascrizione in metadata.csv.Addestrare una voce su KaggleKaggle assegna la quota GPU al tuo account e può variare secondo la disponibilità. Controlla il contatore prima di avviare una sessione lunga.Creare una voce
Creare un dataset LJSpeech per Piper TTSLJSpeech è il formato standard atteso da Piper. Ogni frase è un file WAV separato, con la trascrizione in metadata.csv.Addestrare una voce su KaggleKaggle assegna la quota GPU al tuo account e può variare secondo la disponibilità. Controlla il contatore prima di avviare una sessione lunga.Usare una voce
Usare una voce PiperInstalla Piper, recupera i due file della voce scelta e genera un WAV in locale. I comandi seguenti usano la versione mantenuta da Open Home Foundation.Integrare Piper in un progetto Node.js con piperttspipertts porta Piper in Node.js, con scrittura di file o audio in memoria. La modalità consigliata è PiperNativeTTS: inferenza 100 % nativa in processo (ONNX più ponte espeak compilato), senza Python, circa 10 volte più veloce del wrapper. Le voci (.onnx più .onnx.json) restano file separati.Voci Piper PlusAlcune voci usano l'architettura Piper Plus: sintesi multilingue, prosodia e decodifica MB-iSTFT. Portano il badge Piper+ nel catalogo e richiedono il runtime piper-plus, non il binario piper standard.Catalogo
Le registrazioni alla base delle voci. Scopri quali dataset hanno già un modello e quali sono pronti per l'addestramento.