Saeid | سعیــــد 🇮🇷

🎙️ معرفی Chatterbox Farsi TTS چند وقت پیش مدل Pocket TTS فارسی را که آموزش داده بودم معرفی کردم. یه مدل سبک و سریع که روی CPU اجرا میشه . در ادامه‌ی همان مسیر، امروزیک مدل جدید TTS فارسی (بهترین مدل) را که آموزش دادم معرفی می کنم: Chatterbox Farsi. این بار تمرکز روی کیفیت بود: صدایی فارسی که واقعاً طبیعی باشد؛ نه رباتیک و یکنواخت، بلکه با لحن، مکث و احساسی که از یک گوینده‌ی واقعی انتظار داریم. نتیجه، جهشی محسوس در طبیعی بودن صدا نسبت به Pocket TTS است. هدف این بود که صدای فارسی تولیدشده با هوش مصنوعی واقعاً طبیعی باشد؛ نه رباتیک و یکنواخت، بلکه با لحن، مکث و احساسی که از یک گوینده‌ی واقعی انتظار داریم. ویژگی‌ها • متن معمولی فارسی را مستقیم می‌خواند و به نقطه‌گذاری حساس است: در ویرگول مکث می‌کند، در پایان جمله لحن پایین می‌آید و در جمله‌های پرسشی لحن بالا می‌رود. • شبیه‌سازی صدا فقط با ۵ تا ۱۰ ثانیه نمونه‌ی صدای یک نفر. • دو صدای آماده‌ی زن و مرد. • از متن خبری و آموزشی تا داستان و گفت‌وگوی محاوره‌ای و جمله‌های هیجانی و پرسشی را با لحن مناسب می‌خواند. • کنترل «اضافه» از طریق متن: نوشتن کسره (کتابِ من) اضافه را اعمال می‌کند و ویرگول جلوی اضافه‌ی ناخواسته را می‌گیرد. • روی کارت گرافیک انویدیا تقریباً هم‌زمان با پخش صدا، و روی کارت‌های قوی‌تر چند برابر سریع‌تر، صدا تولید می‌کند. 🎧 نمونه‌ها در صفحه‌ی مدل می‌توانید نمونه‌های خبر، دستورالعمل، داستان، اسامی خاص و گفت‌وگوی محاوره‌ای را با هر دو صدا بشنوید. (ویدیو پایین با صدا) - مدل و نمونه‌ها: huggingface.co/mehdi-hf/chat… بازخوردهای شما، به‌خصوص درباره‌ی تلفظ و «اضافه»، برای نسخه‌های بعدی خیلی ارزشمند است.