Озвучити японський текст за допомогою ШІ
ШІ читає введений вами японський текст уголос, і результат можна зберегти як аудіофайл. ШІ для синтезу мовлення Irodori-TTS працює у вашому браузері, тож текст нікуди не надсилається. Не потрібно нічого встановлювати й реєструватися. Використовуйте Chrome або Edge на комп’ютері з GPU (WebGPU).
Цей інструмент озвучує японський текст. Текст іншими мовами не озвучується правильно.
Якщо записувати числа цифрами, як-от «10部», помилок у читанні буде менше. Слова, які читаються неправильно, можна додати в розділ «Словник вимови».
Допомога ШІ теж працює у вашому браузері, а текст і ваш запит нікуди не надсилаються.
Голос і якість
Якщо залишити поле порожнім, буде згенеровано опис голосу, що пасує до тексту.
Словник зберігається в цьому браузері й нікуди не надсилається. Перед озвучуванням слова в тексті замінюються їхнім читанням зі словника.
Налаштування результату
ШІ-моделі, збережені в цьому браузері
Як користуватися
- 1
Введіть текст
Введіть або вставте японський текст для озвучування. Якщо записувати числа цифрами, як-от «10部», помилок у читанні буде менше. Кнопка з емодзі вставляє емоцію або манеру мовлення в місце курсора.
- 2
Виберіть голос і якість
Виберіть голос зі списку або виберіть «Написати власний опис голосу» й опишіть його японською. Якість за замовчуванням — «Стандартна».
- 3
Озвучте й збережіть
Натисніть «Озвучити». Під час першого запуску завантажується ШІ-модель (близько 1,7 ГБ). Переробіть неправильно прочитану частину за допомогою «Згенерувати знову», а потім натисніть «Зберегти», щоб отримати аудіофайл.
Як це працює і як налаштувати голос та емоції
Виберіть голос зі списку або опишіть його японською в полі «Опис голосу», наприклад «落ち着いた低めの声の男性» (спокійний чоловік із досить низьким голосом). Емодзі в тексті задають емоцію чи манеру мовлення в цьому місці (шепіт, паузи, сміх тощо). Довгий текст розділяється й генерується по черзі, а решта генерується під голос першої частини, тож той самий голос читає до кінця. ШІ — це модель синтезу мовлення Irodori-TTS (ліцензія MIT). ШІ-модель (близько 1,7 ГБ) завантажується з Hugging Face лише першого разу й зберігається на вашому пристрої для подальшого використання.
Створене аудіо можна використовувати вільно. Зазначати авторство не потрібно. Заборонено використовувати його, щоб видавати себе за реальну людину або змушувати людей вірити, що реальна людина щось сказала. Оскільки ШІ щоразу створює голос заново, він може випадково звучати схоже на реальну людину.
Характеристики цього інструмента
- Вхідні дані
- Японський текст
- Результат
- MP3, M4A, WAV, OPUS
- Обмеження
- Кількість символів не обмежена. Результат до 1 GB на файл
- Безкоштовно, без реєстрації, без встановлення застосунків
- Текст ніколи не надсилається на сервер (обробка в браузері)
Поширені запитання
Чи надсилається мій текст на сервер?
Ні. Озвучування виконується в браузері на вашому пристрої, і введений текст, опис голосу та словник вимови нікуди не надсилаються. ШІ-модель завантажується з Hugging Face першого разу й зберігається у вашому браузері. Реєстрація не потрібна. На сервер цього сайту надсилається статистика обробки для виправлення помилок (характеристики пристрою, приблизна кількість символів і речень, типи помилок тощо; ніколи не сам текст чи опис голосу), і її можна вимкнути перемикачем у розділі «Допоможіть покращити сервіс» унизу сторінки.
Чи працює це на iPhone або інших телефонах?
Ні, на iPhone, iPad і телефонах та планшетах Android це не працює. Після завантаження ШІ для озвучування використовує для обчислень близько 3 ГБ пам’яті. На iPhone та iPad операційна система обмежує, скільки пам’яті може використовувати одна сторінка, і на iPhone 15 Pro Max (8 ГБ пам’яті), який ми тестували, після завантаження ШІ-моделі сторінка перевищила цю межу й автоматично перезавантажилася ще до того, як було згенеровано мовлення. На Android, за статистикою обробки цього сайту, більшість пристроїв теж зупинялися після завантаження, бо не могли виділити достатньо пам’яті GPU. Щоб завантаження близько 1,7 ГБ не пропало марно, на цих пристроях інструмент зупиняється ще до початку завантаження. Використовуйте Chrome або Edge на комп’ютері з GPU (WebGPU). У Safari на Mac він працює, але може зупинитися на півдорозі.
Чи можна клонувати голос (скопіювати власний голос або голос, який подобається)?
Ні. Щоб інструмент не можна було використати для копіювання чийогось голосу без дозволу чи для видавання себе за реальну людину, ми навмисно не додали жодної функції, що приймає запис або аудіофайл, щоб імітувати голос (клонування голосу). Голос задається текстом у полі «Опис голосу». Голос, який сподобався, можна зберегти в цьому браузері кнопкою «Зберегти цей голос» і читати ним будь-який текст. Коли ви експортуєте збережений голос у файл, записується лише те, як цей голос було створено. Під час імпорту інструмент відтворює голос за цими даними, тож голос, створений із запису, імпортувати не можна.
Чи може він читати довгий текст?
Так. Текст розділяється на межах речень, читається по черзі й об’єднується в один аудіофайл із короткими паузами між частинами. Ліміту символів немає. На комп’ютері, який ми тестували (вбудована графіка Ryzen 7 8745H), варіант «Стандартна» створює 1 хвилину аудіо приблизно за 30 секунд. З варіантом «Висока якість» це триває приблизно в 6 разів довше.
Допоможіть покращити сервіс
Якщо конвертація чи стиснення не вдаються, надіслані нам обставини допомагають знайти причину. Знаючи, на яких пристроях і з якими форматами збої трапляються найчастіше та скільки триває обробка, ми можемо переглядати підтримувані формати й виправляти помилки, що за цим стоять. Якщо ви не проти, залиште це ввімкненим — це справді допомагає.
Що надсилається
- Інструмент, яким ви скористалися, і вибрані налаштування (формат результату, якість тощо)
- Характеристики пристрою (GPU, пам’ять, кількість ядер)
- Вхідний формат із приблизним розміром
- Скільки файлів оброблено успішно чи з помилкою і скільки часу це зайняло
- Тип і подробиці помилки, якщо щось не вдалося
Що ніколи не надсилається
- Самі файли та їхні назви
- Текст для озвучування, описи голосу, словник вимови й збережені голоси
- IP-адреси
Дані надходять лише на власний сервер цього сайту й ніколи — до сторонніх сервісів.
Повний перелік, зокрема подробиці, які надсилає кожен інструмент, наведено в розділі «Статистика обробки» політики конфіденційності.
Подробиці, які надсилає цей інструмент (лише кількості, час, типи та так/ні)
Крім пунктів «Що надсилається», цей інструмент надсилає такі подробиці.
- Озвучування тексту
- Приблизна кількість символів і речень, на скільки частин було поділено текст під час генерації, скільки часу завантажувалася ШІ-модель і чи довелося повторно готувати GPU під час роботи.