sherpa-onnx-tts

• Приоритет конфиденциальности — вам необходимо синтезировать речь без отправки текста в облачный API (например, конфиденциальные документы, персональные данные).
• Офлайн-среды или изолированные сети — ваш агент работает без надёжного доступа к интернету, но всё равно нуждается в аудиовыводе.
• Контроль расходов — вы хотите делать неограниченное количество TTS-запросов без тарификации за символы или запросы.
• Автоматизированная генерация аудио — вы хотите программно создавать файлы .wav с помощью команды CLI или инструмента агента.

• Вам нужны высококачественные, выразительные нейронные голоса (например, уровня ElevenLabs) — локальные модели Piper дают хорошие, но не студийные результаты.
• Вам требуется потоковый TTS в реальном времени с минимальной задержкой для интерактивных голосовых приложений.
• Ваша платформа не является x64 macOS, Linux или Windows — другие архитектуры в настоящее время не поддерживаются.

Весь конвейер TTS работает локально на вашем компьютере с использованием нативного среды выполнения sherpa-onnx. После первоначальной загрузки модели не требуются подключение к интернету, API-ключи или оплата за использование.

Предварительно собранные среды выполнения sherpa-onnx автоматически загружаются для macOS (Universal 2), Linux x64 и Windows x64, поэтому вы получаете корректный нативный бинарный файл для вашей операционной системы без необходимости ручной компиляции.

По умолчанию поставляется с высококачественной моделью vits-piper-en_US-lessac-high. Вы можете подключить любую другую голосовую модель из релиза sherpa-onnx tts-models и указать на неё переменную SHERPA_ONNX_MODEL_DIR.

Синтезируйте речь в файл .wav одной командой: sherpa-onnx-tts -o output.wav "Ваш текст здесь". Поддерживает переопределение файла модели, файла токенов и каталога данных с помощью флагов или переменных окружения.

Если каталог модели содержит несколько файлов .onnx, задайте переменную SHERPA_ONNX_MODEL_FILE или передайте параметр --model-file, чтобы указать, какую модель использовать. Это позволяет настраивать конфигурации с несколькими моделями без изменения базового каталога.

ИИ-агент резюмирует документ и вызывает этот навык sherpa-onnx-tts для создания речевого файла .wav — полностью в офлайн-режиме, без какой-либо зависимости от облачных сервисов в процессе обработки.

Агент-помощник в юридической или медицинской сфере должен зачитывать вслух конфиденциальный контент. Использование sherpa-onnx-tts гарантирует, что конфиденциальный текст никогда не будет передан стороннему API синтеза речи.

Разработчик создаёт скрипт на основе CLI в цикле для преобразования десятков текстовых фрагментов в файлы .wav для локального приложения — без стоимости за каждый вызов и без ограничений по частоте запросов.

В средах, где исходящий доступ в интернет заблокирован или ограничен, этот навык предоставляет автономное решение TTS при условии, что среда выполнения и модели были загружены в процессе настройки.