Библиотеки: cIntSpeech - страница 2

[Edgar Akhmadeev]

Gan Zhi Zhong #:

Действительно потрясающе！

Вам просто нужно изменить "путь к файлу" в коде, из-за обновления ОС и MT5, и тогда вы сможете реализовать TTS на Windows 11 с последней версией MT5.

За 5 лет тема совершенно устарела. Сейчас надо использовать не тупой Microsoft TTS, а современные ИИ-модели с натуральным произношением. Правда, это требует RAM или GPU. Надо ли?

[Gan Zhi Zhong]

Edgar Akhmadeev #:
Через 5 лет эта тема полностью устарела. Сейчас нужно использовать не тупой Microsoft TTS, а современные AI-модели с естественным произношением. Правда, для этого требуется оперативная память или графический процессор. Но так ли это необходимо?

Интеграция TTS в мой советник MT5 - это просто базовое требование.

Я самоучка в программировании,

поэтому меня также очень интересуют преимущества моделей искусственного интеллекта, о которых вы упомянули, но я не знаю, с чего начать. Не могли бы вы привести несколько практических примеров?

Буду очень признателен.

[Edgar Akhmadeev]

Gan Zhi Zhong #:

Интеграция TTS в мой советник MT5 - это просто базовое требование.

Я самоучка в программировании,

поэтому меня также очень интересуют преимущества моделей искусственного интеллекта, о которых вы упомянули, но я не знаю, с чего начать. Не могли бы вы привести несколько практических примеров?

Буду очень признателен.

Я не устанавливал TTS-модели, только LLM, знаю об их качестве из статей и обзоров. Русско-язычные сайты имеют очень полезную информацию, но Вам не подойдут. А англо-язычные я не знаю. Но многое можете найти на Ютубе.

К тому же я не знаю Ваш контекст оборудования - где можете запускать модели - CPU+RAM, GPU NVidia или AMD, сколько VRAM. От этого многое зависит.

Кроме того, если проект коммерческий, можно использовать платный доступ к голосовым онлайн-моделям (Text2Speech, Speech2Text). Их много.

Голосовые модели поищите на huggingface, с размерами в зависимости от вашего оборудования. Для LLM text generation самая популярная квантизация GGUF 4_K_M. Баланс между качеством и размером.

Какие из локальных платформ поддерживают голосовые модели, не подскажу. Я использую только для текста - llama.cpp, ollama, они поддерживают модели в формате GGUF (с квантизацией весов), что позволяет сильно сэкономить память.

Возможно, выберете формат ONNX, он напрямую поддерживается в MT5, но только на CPU, а значит медленно, и нужно много памяти.

[Edgar Akhmadeev]

Сейчас выяснил, что 3 лучших локальных AI-синтезатора - на Питоне: coqui TTS, Chatterbox TTS и Piper TTS.

Не пробовал. Я совсем не дружу с Питоном, поэтому у меня при установке "pip install ..." всегда не ресолвились какие-нибудь Питон-библиотеки.