Piper: rask tekst-til-tale lokalt, også med norske stemmer

Hva er Piper?

Piper er en rask motor for tekst-til-tale med nevrale nettverk, og den kjører helt lokalt. Du gir den tekst og får en lydfil tilbake, uten at teksten sendes til en skytjeneste. Prosjektet forvaltes av Open Home Foundation, som også står bak Home Assistant.

README nevner flere kjente prosjekter som bruker Piper, blant annet Home Assistant, skjermleseren NVDA og LocalAI. Piper kan brukes på flere måter:

• Kommandolinje for å lage lydfiler raskt
• Webserver når mange tekster skal leses opp
• Python-API og C/C++-API for egne programmer
• Trening av nye stemmer for dem som vil lage sin egen

Norsk: Listen over språk har med *Norsk (no_NO)*. På Hugging Face ligger det i dag to norske stemmer: no_NO-talesyntese-medium og no_NO-nvcc-medium. Hør på eksemplene på prøvesiden før du velger.

Hva kan norske bedrifter bruke det til?

• Opplesning på nettsider: Lag lydversjoner av artikler og informasjonssider for dem som foretrekker å lytte.
• Telefon- og infomeldinger: Lag korte talemeldinger uten å bestille innlesning hver gang teksten endres.
• Universell utforming: Gi brukere mulighet til å få tekst lest opp, uten at innholdet sendes til en tredjepart.

Norske stemmer i en lokal motor er enklere enn de største skytjenestene. Test kvaliteten på egne tekster, særlig navn og fagord.

Slik kommer du i gang

Piper installeres med pip:

pip install piper-tts

List stemmene og last ned en norsk stemme:

python3 -m piper.download_voices
python3 -m piper.download_voices no_NO-talesyntese-medium

Lag en lydfil:

python3 -m piper -m no_NO-talesyntese-medium -f hei.wav -- 'Hei, og velkommen!'

På Windows skriver du som regel python i stedet for python3. Dokumentasjonen påpeker at kommandolinjen laster modellen på nytt hver gang. Skal du lage mye lyd, anbefales webserveren.

Lisens

Piper-koden i dette repoet er lisensiert under GPL-3.0. Det er en OSI-godkjent copyleft-lisens. Du kan bruke programmet fritt, men videreformidler du en endret versjon, må kildekoden følge med under samme lisens. Hver stemme har sin egen modellbeskrivelse med egne vilkår. Sjekk den før du bruker en stemme kommersielt.

Hvorfor vi skriver om det

Lokal tale-KI er et gjennomgående tema på AI-kanaler som @milesreevesai, @replace.so og @ai.with.andrew på TikTok. Vi kan ikke se videoene direkte, og vi påstår ikke at akkurat dette verktøyet er vist i en bestemt video. Alle fakta i artikkelen er hentet fra prosjektets egen kildekode og dokumentasjon, som er lenket under.

Lenker

• Kildekode: github.com/OHF-Voice/piper1-gpl
• Lydeksempler: rhasspy.github.io/piper-samples
• Norske stemmer: Hugging Face: piper-voices/no_NO
• Python-pakke: pypi.org/project/piper-tts