Modele i języki

Jak czytać wiersz

Katalog pochodzi ze źródła wydania 0.12.0. Zawiera identyfikatory pakietów, deklarowane języki, tryby głosu, ustawienia modelu, licencje i źródła. Pakiety o różnej kwantyzacji są wariantami, gdy ich deklarowane możliwości są zgodne.

Udokumentowane języki oznaczają jawną listę w źródle. Lista częściowa potwierdza tylko wymienione języki. Deklaracja źródła zachowuje podaną przez autorów liczbę języków bez tworzenia dokładnej listy. Nieustalone oznacza brak ustalonego zakresu w katalogu. Zależnie od wariantu oznacza, że modele w rodzinie mają różne deklaracje językowe.

Wybór do materiału

Filtruj po języku, a potem sprawdź tryb głosu i instrukcje odczytu. Przetestuj trudne nazwy, liczby i reprezentatywny akapit. Porównuj próbki z tym samym tekstem, pamiętając, że różne głosy i instrukcje wpływają na wynik.

Tabela nie ustala szybkości, potrzebnej pamięci VRAM ani równej jakości we wszystkich językach. Precyzja, backend, sprzęt, próbka głosu i długość źródła wpływają na pracę. Dostępność API zależy także od konta lub wdrożenia.

Wymagania lokalnego pakietu

Wymieniony język może wymagać dodatkowych plików. Standardowy mały GGUF Kokoro nie zawiera słownika UniDic potrzebnego dla japońskiego. Użyj pełnego eksportu wielojęzycznego oraz biblioteki MeCab; zobacz instrukcję Kokoro w audio.cpp.

Rozpoznawanie a czasy

Rozpoznawanie mowy i wyrównywanie mają różną obsługę języków. Język dostępny tylko jako transkrypt jest przydatny do wydobycia tekstu, lecz bez innej metody wyznaczania czasów nie wystarcza do napisów.