Skip to content
Projekte

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.

So werden diese Zahlen gemessen

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 Lernen

README_DE.md

Original

Piper logo

English | 日本語 | 中文 | Français | 한국어 | Español | Português | Deutsch

CI License: MIT Python Hugging Face Demo Hugging Face Model Try in Browser

Pakete:

PyPI NuGet crates.io npm Maven Central

🔑 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_plus bzw. piper-plus. Für das Update von 1.13.0 auf die aktuelle öffentliche Version führen Sie pip 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

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 P50 ist 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-gpl hat dieselbe Architektur und dasselbe ONNX-Format wie Original-Piper und dürfte daher etwa der Zeile von Original-Piper entsprechen; Kokoro-82M hat eine andere Architektur und eSpeak-NG ist ein nicht-neuronales CLI, sodass beide nicht in den Tensorvertrag von scripts/benchmark.py passen 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.

👉 Multi-Runtime RTF Benchmark


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 / Distance oder 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-mixed ist 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-mixed an
  • 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-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 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 --text des CLI verbunden. C++ ist über das CLI-Flag --ssml verfügbar (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 --text verwendet intern GetCommandLineW() (UTF-16) und funktioniert daher unabhängig von der Codepage. Nur bei Pipe-Eingabe (echo ... | piper-plus) müssen Sie vorher mit chcp 65001 auf UTF-8 umschalten.

Speicherort von output.wav: Die Datei wird im aktuellen Verzeichnis erzeugt (dort, wo Sie cd piper-plus ausgeführt haben).

Welches Binary soll ich wählen? Neben piper-plus-cpp-* (C++) enthalten die Releases auch die CLIs piper-plus-cli-* (C# .NET) und piper-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 0.5 die 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-Inferenz base.onnx mit einem Referenz-Embedding, das mit dem mitgelieferten campplus.onnx extrahiert wurde, und für zusätzliches Training base.ckpt mit der mitgelieferten config.json. Die öffentlichen Beispiele wurden mit PyPI piper-plus==2.0.0 funktional geprüft; das bedeutet jedoch weder eine Qualitätsfreigabe noch einen bestandenen menschlichen Hörtest noch die neueste/beste Qualität. Die Aliase base / zero-shot-base-zs-v1 sind in v2.0.2 enthalten (nicht in 2.0.0 / 2.0.1). Das model.ckpt im 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. Mit tsukuyomi.onnx und tsukuyomi.onnx.json lässt 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 Alias tsukuyomi wählt 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)

piper-plus-g2p (eigenständiges G2P-Paket)

Mehrsprachiges G2P (Grapheme-to-Phoneme) als eigenständiges Paket:

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.