Czytaj japoński tekst na głos z AI
AI czyta wpisany japoński tekst na głos, a wynik możesz zapisać jako plik audio. AI do syntezy mowy Irodori-TTS działa w Twojej przeglądarce, więc tekst nigdy nie jest nigdzie wysyłany. Bez instalowania aplikacji i bez rejestracji. Użyj Chrome lub Edge na komputerze z GPU (WebGPU).
To narzędzie czyta tekst w języku japońskim. Tekst w innych językach nie zostanie odczytany poprawnie.
Zapisywanie liczb cyframi, np. „10部”, zmniejsza liczbę błędnych odczytań. Słowa odczytywane błędnie można dodać do „Słownika wymowy”.
Wsparcie AI również działa w przeglądarce, a tekst i Twoja prośba nigdy nie są nigdzie wysyłane.
Głos i jakość
Jeśli zostawisz to pole puste, zostanie wygenerowany opis głosu pasujący do tekstu.
Słownik jest przechowywany w tej przeglądarce i nigdy nie jest nigdzie wysyłany. Przed czytaniem na głos słowa w tekście są zastępowane odczytami ze słownika.
Ustawienia wyjściowe
Modele AI zapisane w tej przeglądarce
Jak używać
- 1
Wpisz tekst
Wpisz lub wklej japoński tekst do odczytania. Zapisywanie liczb cyframi, jak w „10部”, zmniejsza liczbę błędnych odczytów. Naciśnięcie przycisku z emoji wstawia w miejscu kursora emocję lub styl mówienia.
- 2
Wybierz głos i jakość
Wybierz głos z listy albo wybierz „Napisz własny opis głosu” i opisz go po japońsku. Domyślna jakość to „Standardowa”.
- 3
Odczytaj na głos i zapisz
Naciśnij „Czytaj na głos”. Przy pierwszym uruchomieniu pobierany jest model AI (ok. 1,7 GB). Źle odczytany fragment utwórz od nowa przyciskiem „Wygeneruj ponownie”, a następnie naciśnij „Zapisz”, aby otrzymać plik audio.
Jak to działa oraz jak ustawić głos i emocje
Wybierz głos z listy albo opisz go po japońsku w polu „Opis głosu”, np. „落ち着いた低めの声の男性” (spokojny mężczyzna o dość niskim głosie). Emoji w tekście ustawiają emocję lub styl mówienia w danym miejscu (szept, pauzy, śmiech itp.). Długi tekst jest dzielony i generowany po kolei, a dalsze części są generowane tak, by pasowały do głosu pierwszej części, więc ten sam głos czyta do końca. AI to model syntezy mowy Irodori-TTS (licencja MIT). Model AI (ok. 1,7 GB) jest pobierany z Hugging Face tylko za pierwszym razem i zapisywany na urządzeniu do późniejszego użycia.
Utworzonego dźwięku możesz używać swobodnie. Podawanie źródła nie jest wymagane. Zabronione jest używanie go do podszywania się pod prawdziwą osobę lub do wmawiania innym, że prawdziwa osoba coś powiedziała. Ponieważ AI za każdym razem tworzy głos od nowa, może się zdarzyć, że przypadkiem zabrzmi jak prawdziwa osoba.
Specyfikacja tego narzędzia
- Dane wejściowe
- Tekst w języku japońskim
- Wynik
- MP3, M4A, WAV, OPUS
- Ograniczenia
- Bez limitu znaków. Wynik do 1 GB na plik
- Za darmo, bez rejestracji, bez instalowania aplikacji
- Tekst nigdy nie jest wysyłany (przetwarzanie w przeglądarce)
Najczęściej zadawane pytania
Czy mój tekst jest wysyłany na serwer?
Nie. Zamiana tekstu na mowę odbywa się w przeglądarce na Twoim urządzeniu, a wpisany tekst, opis głosu i słownik wymowy nigdy nie są nigdzie wysyłane. Model AI jest pobierany z Hugging Face za pierwszym razem i zapisywany w przeglądarce. Rejestracja nie jest potrzebna. Na serwer tej strony wysyłane są statystyki przetwarzania służące do naprawiania błędów (parametry urządzenia, przybliżona liczba znaków i zdań, rodzaje błędów itp.; nigdy sam tekst ani opis głosu), a możesz to wyłączyć przełącznikiem w sekcji „Pomóż nam ulepszać serwis” na dole strony.
Czy działa na iPhonie lub innych telefonach?
Nie, nie działa na iPhonie ani iPadzie. Po wczytaniu AI do zamiany tekstu na mowę używa do obliczeń ok. 3 GB pamięci. Na iPhonie i iPadzie system ogranicza ilość pamięci, z jakiej może korzystać pojedyncza strona, a na testowanym przez nas iPhonie 15 Pro Max (8 GB pamięci) po pobraniu modelu AI strona przekroczyła ten limit i automatycznie się przeładowała, zanim powstała jakakolwiek mowa. Aby pobieranie ok. 1,7 GB nie poszło na marne, na iPhonie i iPadzie narzędzie zatrzymuje się przed rozpoczęciem pobierania. Użyj Chrome lub Edge na komputerze z GPU (WebGPU). Działa też na Androidzie i w Safari na Macu, ale na niektórych urządzeniach może zatrzymać się w trakcie.
Czy może sklonować głos (skopiować mój własny głos lub głos, który lubię)?
Nie. Aby nie dało się go użyć do kopiowania czyjegoś głosu bez zgody ani do podszywania się pod prawdziwą osobę, celowo pominęliśmy wszelkie funkcje wczytujące nagranie lub plik audio w celu naśladowania głosu (klonowanie głosu). Głos określasz, opisując go słowami w polu „Opis głosu”. Głos, który Ci się podoba, możesz zapisać w tej przeglądarce przyciskiem „Zapisz ten głos” i czytać nim dowolny tekst. Przy eksporcie zapisanego głosu do pliku zapisywany jest tylko sposób, w jaki głos został utworzony. Przy imporcie to narzędzie odtwarza głos na tej podstawie, więc głosu utworzonego z nagrania nie da się wczytać.
Czy może czytać długie teksty?
Tak. Tekst jest dzielony na granicach zdań, czytany po kolei i łączony w jeden plik audio z krótkimi przerwami ciszy pomiędzy. Nie ma limitu znaków. Na testowanym przez nas komputerze (zintegrowany GPU w Ryzen 7 8745H) przy ustawieniu „Standardowa” 1 minuta dźwięku powstaje w ok. 30 sekund. „Wysoka jakość” trwa ok. 6 razy dłużej.
Pomóż nam ulepszać serwis
Jeśli konwersja się nie powiedzie, przesłanie nam okoliczności pomaga wyśledzić przyczynę. Wiedząc, na jakich urządzeniach i przy jakich formatach błędy zdarzają się najczęściej oraz jak długo trwa przetwarzanie, możemy dopracować obsługiwane formaty i naprawiać usterki, które za tym stoją. Jeśli nie masz nic przeciwko, pozostawienie tej opcji włączonej bardzo nam pomoże.
Co jest wysyłane
- Użyte narzędzie i wybrane ustawienia (format wyjściowy, jakość itp.)
- Parametry urządzenia (GPU, pamięć, liczba rdzeni)
- Format wejściowy wraz z przybliżonym rozmiarem
- Liczba plików przetworzonych pomyślnie i niepomyślnie oraz czas przetwarzania
- Rodzaj i szczegóły błędu, gdy coś się nie powiedzie
Co nigdy nie jest wysyłane
- Same pliki i nazwy plików
- Tekst do odczytania na głos, opisy głosu, słownik wymowy i zapisane głosy
- Adresy IP
Dane trafiają wyłącznie na własny serwer tej witryny i nigdy do usług podmiotów zewnętrznych.
Pełną listę, w tym szczegóły wysyłane przez każde narzędzie, znajdziesz w sekcji „Statystyki przetwarzania” w polityce prywatności.
Szczegóły wysyłane przez to narzędzie (wyłącznie liczby, czasy, rodzaje i informacje tak/nie)
Oprócz danych z sekcji „Co jest wysyłane” to narzędzie wysyła poniższe szczegóły.
- Zamiana tekstu na mowę
- Przybliżona liczba znaków i zdań, liczba części, w których wygenerowano tekst, oraz czas wczytywania modelu AI.