ayutaz/piper-plus
ayutaz/piper-plus has 240 GitHub stars and 30 forks. GitHot measured 0 stars in 24 hours and 0 in 7 days. Last checked 2026-11-20 07:32 UTC. Last push 2026-11-18.
Gemessener Sternzuwachs
- in 24h
- 0
- in 7 days
- 0
- in 15 days
- Verlauf wird gesammelt
- in 1 month
- Verlauf wird gesammelt
Nettoänderungen in überlappenden Zeiträumen, keine Tagessummen. Fehlende Messwerte bleiben leer. Sterne zeigen Interesse, nicht Qualität.
Über uns
Multilingual neural TTS (6 languages: JA/EN/ZH/ES/FR/PT, code supports SV) — C++, C#, Rust, Go, Python, npm (WASM). VITS + Prosody, streaming, CUDA/CoreML/DirectML. pip install piper-plus | npm install piper-plus | cargo install piper-plus-cli
Maschinelles LernenREADME_DE.md
Original
English | 日本語 | 中文 | Français | 한국어 | Español | Português | Deutsch
Pakete:
🔑 Der einzige Piper-Fork unter MIT-Lizenz — Das ursprüngliche rhasspy/piper wurde im Oktober 2025 archiviert. OHF-Voice/piper1-gpl ist auf GPL-3.0 umgestiegen. piper-plus ist der einzige MIT-kompatible Fork ohne espeak-ng-Abhängigkeit. Die eigene G2P-Implementierung unterstützt 8 Sprachen (JA/EN/ZH/KO/ES/FR/PT/SV) und eignet sich für den kommerziellen und eingebetteten Einsatz.
📢 v2.0.0 Breaking Changes: Die Standard-Docker-Images verwenden CUDA 12.8 + Ubuntu 24.04 + Python 3.13 (NVIDIA-Hosttreiber R570+ erforderlich). Das Training verwendet torch 2.11.0 + CUDA 12.8, standardmäßig mit TF32 + bf16-mixed. Das Fortsetzen von torch-2.2-Checkpoints wird nicht unterstützt. Python-Import und CLI heißen nun
piper_plusbzw.piper-plus. Für das Update von 1.13.0 auf die aktuelle öffentliche Version führen Siepip install --upgrade "piper-plus[cpu]==2.0.2"aus. Details: Migrationsleitfaden.
Ein schnelles, hochwertiges neuronales Text-to-Speech-System (TTS). Es basiert auf der VITS-Architektur und unterstützt G2P/Phonemisierung in 8 Sprachen sowie Multi-Speaker-Sprachsynthese mit den aktuell trainierten Modellen in 6 Sprachen. Ein Fork von Piper mit stark erweiterter Japanisch-Unterstützung, verbesserter Klangqualität und ausgebauten Trainingsfunktionen.
Hugging Face Demo | WebAssembly Demo (läuft im Browser, kein Server erforderlich)
Inhaltsverzeichnis
- Benchmark
- Hauptfunktionen
- Schnellstart
- Installation
- Verwendung
- Training
- Vortrainierte Modelle
- Plattformen
- Weitere Links
Benchmark
Messumgebung: Intel Xeon E5-2650 v4 @ 2.20GHz / 48 Kerne / Linux x86_64 / Python 3.12 / ONNX Runtime 1.24 Testsatz: "Hello, how are you doing today?" (Englisch, 25 Phoneme) Messparameter: 5 Warmup-Durchläufe / 30 Messdurchläufe (intra-op threads = auto) Verwendete Modelle:
- piper-plus: 6lang MB-iSTFT 75epoch ONNX (in PR #320 eingeführter einheitlicher Decoder)
- Original-Piper:
en_US-lessac-medium(rhasspy/piper-voices v1.0.0)- sherpa-onnx:
vits-piper-en_US-amy-low(k2-fsa-Release)Reproduktion:
uv run python scripts/benchmark.py --model <model.onnx> --config <config.json> --language en --text "Hello, how are you doing today?" --n-warmup 5 --n-runs 30 --format markdown
| System | RTF ↓ | Latency P50 (ms) | Größe (MB) | RAM (MB) | Kaltstart (ms) | Parameter | Sprachen | Lizenz |
|---|---|---|---|---|---|---|---|---|
| piper-plus (MB-iSTFT) | 0.078 | 27 | 38 | 208 | 1633 | 19.6 M | 8 | MIT |
| Original-Piper (archiviert) | 0.066 | 35 | 60 | 185 | 2510 | 15.7 M | 1/Modell | MIT |
| sherpa-onnx (VITS Piper-fmt) | 0.075 | 53 | 60 | 202 | 2554 | 15.6 M | 1/Modell | Apache-2.0 |
| piper1-gpl (OHF fork) † | 0.06 | — | 75 | 150 | 400 | — | 1/Modell | GPL-3.0 |
| Kokoro-82M † | 0.12 | — | 320 | 450 | 800 | — | 1 | Apache-2.0 |
| eSpeak-NG † | 0.001 | — | 2 | 15 | 10 | — | 100+ | GPL-3.0 |
Hinweis: RTF (Real-Time Factor) — je niedriger, desto schneller.
Latency P50ist der Median einer einzelnen Inferenz und das direkteste Maß für die tatsächliche Reaktionsfähigkeit. Dank des einheitlichen MB-iSTFT-Decoders erreicht piper-plus mit 27 ms die niedrigste Latency P50 (-23 % gegenüber Original-Piper mit 35 ms, -49 % gegenüber sherpa-onnx mit 53 ms) und gehört mit 38 MB zu den kleinsten Modellen. Auch gegenüber dem früheren piper-plus mit HiFi-GAN (P50 43.3 ms) ist das eine Verbesserung um -38 %.Mit † markierte Zeilen wurden in diesem PR nicht neu gemessen (
piper1-gplhat dieselbe Architektur und dasselbe ONNX-Format wie Original-Piper und dürfte daher etwa der Zeile von Original-Piper entsprechen;Kokoro-82Mhat eine andere Architektur undeSpeak-NGist ein nicht-neuronales CLI, sodass beide nicht in den Tensorvertrag vonscripts/benchmark.pypassen und ein eigenes Harness benötigen). Diese Werte stammen aus einer früheren Messung (Apple M2 Max).
Multi-Runtime-RTF-Benchmark (aktuelle Werte)
Wir veröffentlichen die aktuellen RTF- und Latenzergebnisse, die mit multilingual-test-medium.onnx über 6 Runtimes (Python / Rust / Go / C# / C++ / WASM) hinweg gemessen wurden. Die Ergebnisse werden bei jedem Merge in den dev-Branch automatisch aktualisiert.
Hauptfunktionen
Sprachsynthese
- G2P/Phonemisierung für 8 Sprachen — Japanisch, Englisch, Chinesisch, Spanisch, Französisch, Portugiesisch, Schwedisch, Koreanisch (ja=0, en=1, zh=2, es=3, fr=4, pt=5, sv=6, ko=7). Die aktuell trainierten Modelle decken 6 Sprachen ab (JA/EN/ZH/ES/FR/PT)
- Japanisches TTS — OpenJTalk-Integration, Prosodie-Informationen (A1/A2/A3), Fragewort-Marker (#204), kontextabhängige „N“-Varianten (#207)
- Englisches TTS — v2.0.2 bündelt ein auf g2p-en basierendes G2P mit Apache-2.0-Inferenzcode und dem MIT-Lizenzhinweis von Tacotron. Externe Pakete wie
g2p-en/Distanceoder espeak-ng werden nicht benötigt. Die Abhängigkeitsdefinition des älteren PyPI-Releases 2.0.1 bleibt unverändert. Siehe den Migrationsleitfaden - Multi-Speaker — 571 Sprecher (Basismodell für das Training), SpeakerBalancedBatchSampler, gleichmäßiges Sampling nach Sprachgruppen
- Benutzerwörterbuch — Integriertes Aussprachewörterbuch mit über 200 Fachbegriffen
- Phoneingabe — Direkte Angabe über die Notation
[[ phonemes ]]— Leitfaden
Training
- WavLM Discriminator — MOS +0.15-0.25 (standardmäßig aktiviert, nur beim Training verwendet)
- MB-iSTFT-VITS2 Decoder — Decoder auf MB-iSTFT + PQMF vereinheitlicht, 2.21-mal schnellere CPU-Inferenz. ONNX-Format unverändert und mit bestehenden Runtimes kompatibel
- BF16 Mixed Precision —
--precision bf16-mixedist der Standard (TF32 ist ebenfalls standardmäßig aktiviert). Numerisch stabiler als FP16, kein Loss Scaling erforderlich. Auf GPUs ohne BF16-Unterstützung (z. B. T4) geben Sie--precision 16-mixedan - EMA — Stabileres Training durch Exponential Moving Average (standardmäßig aktiviert)
- Multi-GPU — DDP-Unterstützung, automatische Skalierung der Lernrate
- Prosody Features — Einspeisung von Prosodie-Informationen in den Duration Predictor (
--prosody-dim 16) - Wandb-Integration — Echtzeit-Überwachung von Metriken
Schnittstellen
- WebUI (Gradio) — Inferenz und Docker werden unterstützt. Der lokale Training-Tab sendet noch veraltete CLI-Argumente; verwenden Sie für das Training den Trainingsleitfaden.
- C++ CLI — Streaming, CUDA-Inferenz, Phonem-Timing-Ausgabe (JSON/TSV/SRT), Benutzerwörterbuch
- C-API-Shared-Library —
libpiper_plus.so/.dylib/.dll, FFI-fähig (Flutter/Godot/Swift usw.), Streaming-API - iOS xcframework + SPM —
PiperPlus(Swift Package), die Synthese-Engine wird als Universal-Build für iOS-arm64-Geräte und -Simulator ausgeliefert - iOS Swift G2P (SPM) — Eigenständige Bibliothek
PiperPlusG2P, G2P für 8 Sprachen unter iOS ohne ONNX Runtime (Issue #387) - WebAssembly — Läuft vollständig im Browser, Phonem-Timing-Ausgabe (JSON/TSV/SRT), kein Server erforderlich
- Docker — 6 Images für Inferenz, Training, WebUI, C++ (Inferenz/Entwicklung) und Wyoming (Home Assistant)
- PyPI — Einfache Installation mit
pip install piper-plus, G2P/Phonemisierung für 8 Sprachen (die aktuell trainierten Modelle decken 6 Sprachen ab), Phonem-Timing-Ausgabe (JSON/TSV/SRT), Streaming, HTTP-API - C# CLI — Plattformübergreifend mit .NET 10, G2P/Phonemisierung für 8 Sprachen (die aktuell trainierten Modelle decken 6 Sprachen ab), ONNX-Inferenz, Phonem-Timing-Ausgabe (JSON/TSV/SRT)
- Rust CLI — piper-plus/piper-plus-cli, Streaming, Unterstützung für CUDA/CoreML/DirectML, Phonem-Timing-Ausgabe (JSON/TSV/SRT), automatischer Wörterbuch-Download
- Go CLI — HTTP-API-Server, Session-Pooling, Docker-Unterstützung, einzelnes Binary, Phonem-Timing-Ausgabe (JSON/TSV/SRT)
- Voice Cloning (Speaker Encoder + speaker_embedding) — Alle 6 Runtimes (Python/Rust/C#/Go/WASM/C++) unterstützen die Eingabe eines modellkompatiblen, vorab berechneten
speaker_embedding. C++ CLI und C-API akzeptieren nur vorab berechnete Embeddings; die Extraktion über--reference-audioist nicht implementiert. Die tatsächliche Inferenz mit dem öffentlichenzs-v1wurde nur mit Pythonpiper-plus==2.0.0bestätigt. Der öffentliche CI-Lauf38189966578bestätigt die Inferenz in 6 Runtimes mit gemeinsamen Python-Phonem-IDs als Eingabe; natives G2P und die Qualität beim menschlichen Hörtest liegen außerhalb seines Umfangs, eine Qualitätsfreigabe ist nicht erfolgt. - SSML-Unterstützung — Der SSML-Parser-Vertrag ist in Python/Rust/Go/C#/WASM/C++ implementiert. Die Synthese unterstützen Python/Rust/Go/WASM/C++; C# Core enthält den Parser, er ist jedoch nicht mit
--textdes CLI verbunden. C++ ist über das CLI-Flag--ssmlverfügbar (nicht von der C-API exportiert). - Verbesserte Qualität kurzer Texte (Strategy A/B/C) — Strategy A/B ist in allen Runtimes implementiert. Strategy C (automatisches Einfügen von SSML-
<break>) umfasst Python-Inferenz/Rust/Go/C#; Python für das Training, WASM und C++ sind nicht abgedeckt. Details im Kurztext-Vertrag.
Funktionsunterstützung pro Runtime
Die 6 Runtimes (Python/Rust/C#/Go/JS-WASM/C++) ermöglichen die Synthese der 6 Sprachen der aktuell trainierten Modelle und bieten zusätzlich G2P/Phonemisierung für 8 Sprachen. Phonem-Timing, Streaming (einschließlich satzweiser Aufteilung), Voice Cloning mit modellkompatiblen, vorab berechneten Embeddings und Benutzerwörterbücher werden als Runtime-Funktionen unterstützt. C++ akzeptiert nur vorab berechnete Embeddings, --reference-audio ist nicht implementiert. Die tatsächliche Inferenz mit dem öffentlichen zs-v1 wurde nur mit Python piper-plus==2.0.0 bestätigt. Der öffentliche CI-Lauf 38189966578 bestätigt die Inferenz in 6 Runtimes mit gemeinsamen Python-Phonem-IDs, natives G2P und die Qualität beim menschlichen Hörtest liegen jedoch außerhalb seines Umfangs, und eine Qualitätsfreigabe ist nicht erfolgt. Die SSML-Synthese unterstützen Python/Rust/Go/WASM/C++ (C++ über das CLI-Flag --ssml, nicht von der C-API exportiert). Der Parser von C# Core ist nicht mit --text des CLI verbunden; die HTTP-API wird von 2 Runtimes (Python/Go) unterstützt.
Schnellstart
Vorkompilierte Binaries (kein Build erforderlich)
Laden Sie vorkompilierte Binaries von GitHub Releases herunter und starten Sie sofort mit der Sprachsynthese.
1. Binary herunterladen
Laden Sie das Archiv für Ihr Betriebssystem herunter und entpacken Sie es.
Windows (PowerShell):
Invoke-WebRequest -Uri "https://github.com/ayutaz/piper-plus/releases/latest/download/piper-plus-cpp-windows-x64.zip" -OutFile piper-plus-cpp.zip
Expand-Archive piper-plus-cpp.zip -DestinationPath .
cd piper-plus
macOS (Apple Silicon):
curl -L -o piper-plus-cpp.tar.gz https://github.com/ayutaz/piper-plus/releases/latest/download/piper-plus-cpp-macos-arm64.tar.gz
tar xzf piper-plus-cpp.tar.gz
cd piper-plus
xattr -cr .
Linux (x86_64):
curl -L -o piper-plus-cpp.tar.gz https://github.com/ayutaz/piper-plus/releases/latest/download/piper-plus-cpp-linux-x64.tar.gz
tar xzf piper-plus-cpp.tar.gz
cd piper-plus
Linux (ARM64, Raspberry Pi 4/5):
ARM64-Kompatibilität: Das Linux-ARM64-C++-Archiv von v2.0.2 wird gegen glibc 2.31 als ABI-Obergrenze geprüft. Start und japanische Synthese werden unter QEMU auf Debian Bullseye / Bookworm / Trixie (64 Bit) verifiziert. Echte Raspberry-Pi-Hardware und Raspberry Pi OS selbst sind nicht getestet. Das ältere Archiv von v2.0.1 benötigt glibc 2.38 oder neuer; verwenden Sie daher v2.0.2.
curl -L -o piper-plus-cpp.tar.gz https://github.com/ayutaz/piper-plus/releases/latest/download/piper-plus-cpp-linux-arm64.tar.gz
tar xzf piper-plus-cpp.tar.gz
cd piper-plus
Linux (ARMv7, 32-Bit-ARM):
Für ARMv7 wird nur das C++ CLI ausgeliefert. Die CI prüft Build und japanische Synthese unter QEMU auf Debian Trixie (32-Bit-ARM). Echte Raspberry-Pi-Hardware ist nicht getestet.
curl -L -o piper-plus-cpp.tar.gz https://github.com/ayutaz/piper-plus/releases/latest/download/piper-plus-cpp-linux-armv7.tar.gz
tar xzf piper-plus-cpp.tar.gz
cd piper-plus
2. Modell herunterladen & Sprache generieren
# Tsukuyomi-chan-Modell herunterladen
./bin/piper-plus --download-model tsukuyomi
# Sprache generieren (der Modellname reicht - heruntergeladene Modelle werden automatisch aufgeloest)
./bin/piper-plus --model tsukuyomi --text "こんにちは、今日は良い天気ですね。" --output_file output.wav
Zur Codepage von Windows cmd: Die Option
--textverwendet internGetCommandLineW()(UTF-16) und funktioniert daher unabhängig von der Codepage. Nur bei Pipe-Eingabe (echo ... | piper-plus) müssen Sie vorher mitchcp 65001auf UTF-8 umschalten.Speicherort von output.wav: Die Datei wird im aktuellen Verzeichnis erzeugt (dort, wo Sie
cd piper-plusausgeführt haben).
Welches Binary soll ich wählen? Neben
piper-plus-cpp-*(C++) enthalten die Releases auch die CLIspiper-plus-cli-*(C# .NET) undpiper-plus-rs-cli-*(Rust). Das im obigen Schnellstart verwendete C++ CLI (piper-plus-cpp-*) unterstützt die meisten Plattformen und wird empfohlen. Details unter Auswahl des CLI-Binarys.
Python-Inferenz
# Installation
# Aus dem Repository-Root eines Source-Checkouts ausfuehren
uv sync --extra inference
# Japanische Inferenz
uv run python -m piper_train.infer_onnx \
--model /path/to/model.onnx \
--config /path/to/config.json \
--output-dir ./output \
--text "こんにちは、今日は良い天気ですね。"
# Englische Inferenz
uv run python -m piper_train.infer_onnx \
--model /path/to/en_model.onnx \
--config /path/to/en_model.onnx.json \
--output-dir ./output \
--text "Hello, how are you today?" \
--language en
Wichtige Optionen: --speaker-id (Sprecher-ID), --device auto|cpu|gpu, --noise-scale (Stimmvariation), --length-scale (Sprechgeschwindigkeit), --noise-scale-w (Variation der Phonemdauer, Standard: 0.5)
Empfohlene Einstellung für WavLM-Modelle: Mit dem WavLM Discriminator trainierte Modelle (z. B. Tsukuyomi-chan) erreichen mit
--noise-scale 0.5die beste Klangqualität (Standard ist 0.4).
Python-CLI-Modellverwaltung
# Modellliste anzeigen
uv run --no-sync python -m piper_plus --list-models
uv run --no-sync python -m piper_plus --list-models ja
# Modell herunterladen
uv run --no-sync python -m piper_plus --download-model tsukuyomi
uv run --no-sync python -m piper_plus --download-model ja_JP-tsukuyomi-chan-medium
# Nach dem Download verwenden
uv run --no-sync python -m piper_plus --model ja_JP-tsukuyomi-chan-medium -f output.wav "こんにちは"
WebUI
uv sync --project environments/webui --locked
uv run --project environments/webui --no-sync python -m piper_plus.webui --data-dir /path/to/models
# → http://localhost:7860
Docker
# WebUI
docker build -t piper-webui -f docker/webui/Dockerfile .
docker run -p 7860:7860 -v ./models:/models:ro piper-webui
# Python-Inferenz (CPU)
docker build -t piper-inference -f docker/python-inference/Dockerfile .
docker run --rm \
-v ./models:/app/models:ro -v ./output:/app/output \
piper-inference \
python -m piper_train.infer_onnx \
--model /app/models/model.onnx --config /app/models/config.json \
--output-dir /app/output --text "こんにちは" --device cpu
# GPU-Inferenz (--gpus all hinzufuegen)
docker run --rm --gpus all \
-v ./models:/app/models:ro -v ./output:/app/output \
piper-inference \
python -m piper_train.infer_onnx \
--model /app/models/model.onnx --config /app/models/config.json \
--output-dir /app/output --text "こんにちは" --device gpu
Per CI/CD gebaute Images:
docker pull ghcr.io/ayutaz/piper-plus/python-inference:dev
docker pull ghcr.io/ayutaz/piper-plus/python-train:dev
docker pull ghcr.io/ayutaz/piper-plus/webui:dev
docker pull ghcr.io/ayutaz/piper-plus/cpp-inference:dev
docker pull ghcr.io/ayutaz/piper-plus/cpp-dev:dev
docker pull ghcr.io/ayutaz/piper-plus/wyoming:dev
Details unter docker/README.md.
Installation
Python
Python 3.13+ empfohlen (3.11+ unterstützt). Für die Abhängigkeitsverwaltung wird uv empfohlen.
# CPU-Inferenz
uv sync --extra inference
# GPU-Inferenz (CUDA-Umgebung erforderlich)
uv sync --no-group cpu --extra inference-gpu
# Training
uv sync --extra train
# Entwicklung (inkl. Tests und Linter)
uv sync --extra dev
Auch über das PyPI-Paket installierbar:
pip install piper-plus
Installation aus Paketen
Python (PyPI):
pip install piper-plus
npm (Browser-WASM):
npm install piper-plus onnxruntime-web
C# CLI (.NET Global Tool):
dotnet tool install -g PiperPlus.Cli
Rust CLI (crates.io):
cargo install piper-plus-cli
C#-Bibliothek (NuGet):
dotnet add package PiperPlus.Core
Rust-Bibliothek (crates.io):
[dependencies]
piper-plus = "0.5"
Aus dem Quellcode bauen
Wenn für Ihre Plattform keine vorkompilierten Binaries bereitgestellt werden oder Sie piper-plus anpassen möchten, können Sie es aus dem Quellcode bauen. Die Build-Anleitungen für die Runtimes C++ / C# / Rust finden Sie im Leitfaden zum Bauen aus dem Quellcode.
Verwendung
Detaillierte Kommandozeilenoptionen des C++ CLI, das JSON-Eingabeformat, die Modellverwaltung, Umgebungsvariablen und die Verwendung der Windows-Hilfsskripte finden Sie im CLI-Nutzungsleitfaden.
Einfaches Beispiel:
./bin/piper-plus --model tsukuyomi --text "こんにちは" --output_file hello.wav
Training
Wie Sie piper-plus-Modelle trainieren und feinabstimmen (Grundeinstellungen, Multi-Speaker / Multi-GPU, ONNX-Konvertierung, Checkpoint-Verwaltung, Sprachevaluation), erfahren Sie im Trainingsleitfaden.
Befehlsvorlagen für den praktischen Einsatz (6-Sprachen-Vortraining und Feinabstimmung von Tsukuyomi-chan) finden Sie in CLAUDE.md.
Vortrainierte Modelle
Die Liste der veröffentlichten piper-plus-Modelle, Download-Anleitungen, die Merkmale des 6-Sprachen-Basismodells und Details zum japanischen TTS finden Sie im Modellleitfaden.
Wichtige Modelle: tsukuyomi (Japanisch), zs-v1 (experimentelle Zero-Shot/FT-Basis für 6 Sprachen), bilingual-ja-en-v4 (Japanisch-Englisch, 2 Sprachen) — Details im fest versionierten zs-v1-Bundle auf HuggingFace und unter ayousanz/piper-plus-tsukuyomi-chan.
Zero-Shot/FT-Basis (
zs-v1, 2026-10-10): Das fest versionierte öffentliche Bundle ist die bestehende experimentelle Basis aus v7 Epoche 32 (JA/EN/ZH/ES/FR/PT, 571 Sprecher, 173 Phoneme, CAM++ mit 192 Dimensionen). Verwenden Sie für Zero-Shot-Inferenzbase.onnxmit einem Referenz-Embedding, das mit dem mitgeliefertencampplus.onnxextrahiert wurde, und für zusätzliches Trainingbase.ckptmit der mitgeliefertenconfig.json. Die öffentlichen Beispiele wurden mit PyPIpiper-plus==2.0.0funktional geprüft; das bedeutet jedoch weder eine Qualitätsfreigabe noch einen bestandenen menschlichen Hörtest noch die neueste/beste Qualität. Die Aliasebase/zero-shot-base-zs-v1sind in v2.0.2 enthalten (nicht in 2.0.0 / 2.0.1). Dasmodel.ckptim Root wird separat als ältere Generation behandelt.
Tsukuyomi-chan-FT (
zs-v1, 2026-10-15): Wir haben ein fest versioniertes öffentliches Modell veröffentlicht, das aus derselben öffentlichen Basisgeneration weitertrainiert wurde. Mittsukuyomi.onnxundtsukuyomi.onnx.jsonlässt sich Sprache ohne Referenzaudio und ohne CAM++ erzeugen. Eine menschliche Prüfung von 3 japanischen Sätzen wurde dokumentiert und die Veröffentlichung als experimentelle Version genehmigt (quality_approval=false, keine Qualitätsfreigabe). Der bestehende Aliastsukuyomiwählt weiterhin das ältere Root-Modell; laden Sie das neue Modell daher über die festen URLs im Modellleitfaden herunter.
Plattformen
- macOS: Native Unterstützung für Apple Silicon (arm64). Details unter macOS-Einrichtung
- Windows: Die C++-Release-Assets sind für x64, das C# CLI für x64 / arm64. Zur Einrichtung von OpenJTalk siehe den Windows-Einrichtungsleitfaden
- WebAssembly: Vollständig offline im Browser lauffähig. Demo | npm-Paket
Weitere Links
Unity — uPiper
Plugin zur Verwendung von Piper in Unity: github.com/ayutaz/uPiper
- Unity 6000.0.35f1+, Unity.InferenceEngine
- Unterstützt Windows / macOS (Apple Silicon) / Linux / Android
- Japanisch und Englisch, asynchrone API, Streaming
Stimmmodelle (Voices)
piper-plus-eigene Modelle: zs-v1 Zero-Shot/FT-Basis · Tsukuyomi-chan
Tsukuyomi-chan-Modell: Bei der Verwendung des erzeugten Audios ist die Quellenangabe
Piper Plus:つくよみちゃんverpflichtend. Verbotene Verwendungszwecke und Nutzungsbedingungen finden Sie auf der Modellseite. Aus Sicht von Tsukuyomi-chan ist dieses Modell ein inoffizielles Werk; Rei Yumesaki ist weder an der Entwicklung noch am Support beteiligt. Richten Sie Fragen bitte nicht an Rei Yumesaki, sondern über GitHub Issues o. Ä. an den Entwickler.
Hinweis: piper-plus verwendet ein eigenes G2P- und Phonemsystem und ist daher nicht mit den Modellen des Upstream-Piper (rhasspy/piper-voices) kompatibel.
Verwandte Artikel (Japanisch)
- Ein englisches vortrainiertes Piper-Modell mit LJSpeech erstellen
- Ein japanisches Piper-Modell mit dem JVS-Sprachdatensatz erstellen
- Ein Piper-Modell mit dem Tsukuyomi-chan-Datensatz weitertrainieren
piper-plus-g2p (eigenständiges G2P-Paket)
Mehrsprachiges G2P (Grapheme-to-Phoneme) als eigenständiges Paket:
- Python:
pip install piper-plus-g2p— Quellcode - Rust:
cargo add piper-plus-g2p— Quellcode - Go:
go get github.com/ayutaz/piper-plus/src/go/phonemize— Quellcode - JavaScript/WASM:
npm install @piper-plus/g2p— Quellcode - Kotlin/Android:
implementation("io.github.ayutaz:piper-plus-g2p-android:1.0.1")— Quellcode · Leitfaden zur Wörterbuchverteilung
People using Piper
Home Assistant · Rhasspy 3 · NVDA · Open Voice OS · LocalAI · JetsonGPT · mintPiper · Vim-Piper
Dokumentation
| Kategorie | Links |
|---|---|
| Japanisches TTS | Leitfaden zur japanischen Sprachsynthese |
| Training | Trainingsleitfaden · Multi-GPU |
| API | Phonem-Mapping · Umgebungsvariablen |
| Funktionen | WebUI · CLI-Erweiterungen · Streaming |
| Einrichtung | Schnellstart (Japanisch) · Windows · Fehlerbehebung |
| Docker | Docker-Umgebungen |
| WebAssembly | Technische Details |
Contributing
Siehe CONTRIBUTING.md. Fragen und Fehlerberichte bitte über Issues. Den Verhaltenskodex finden Sie in CODE_OF_CONDUCT.md.
Changelog
Siehe CHANGELOG.md.
Danksagung
Die GPU-Experimente von piper-plus werden durch den AI Builder Grant (GPU-Guthaben) von CloudRift unterstützt.