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.
측정된 스타 증가
- in 24h
- 0
- in 7 days
- 0
- in 15 days
- 기록 수집 중
- in 1 month
- 기록 수집 중
서로 겹치는 기간의 순증가량이며 일별 합계가 아닙니다. 측정값이 없으면 비워 둡니다. 스타는 관심도를 나타내며 품질을 보장하지 않습니다.
소개
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
머신러닝README_KO.md
Original
English | 日本語 | 中文 | Français | 한국어 | Español | Português | Deutsch
패키지:
🔑 유일한 MIT 라이선스 Piper 포크 — 원본 rhasspy/piper는 2025년 10월에 아카이브되었으며, OHF-Voice/piper1-gpl은 GPL-3.0으로 전환되었습니다. piper-plus는 espeak-ng에 의존하지 않는 유일한 MIT 호환 포크입니다. 자체 구현 G2P로 8개 언어 (JA/EN/ZH/KO/ES/FR/PT/SV)를 지원하며, 상용 및 임베디드 용도에 적합합니다.
📢 v2.0.0 주요 변경사항: Docker 기본 이미지는 CUDA 12.8 + Ubuntu 24.04 + Python 3.13을 사용합니다 (호스트 NVIDIA 드라이버 R570+ 필요). 학습은 torch 2.11.0 + CUDA 12.8이며 TF32 + bf16-mixed가 기본값입니다. torch 2.2로 만든 체크포인트의 학습 재개는 지원하지 않습니다. Python import / CLI는
piper_plus/piper-plus로 변경되었습니다. 1.13.0에서 현재 공개 버전으로 업데이트하려면pip install --upgrade "piper-plus[cpu]==2.0.2"를 실행하세요. 자세한 내용: 마이그레이션 가이드.
빠르고 고품질의 뉴럴 텍스트 음성 합성 (TTS) 시스템입니다. VITS 아키텍처를 채택하여 8개 언어 G2P/음소화와, 현재 6개 언어로 학습된 모델을 통한 다중 화자 음성 합성을 지원합니다. Piper의 포크로, 일본어 지원, 음질 향상, 학습 기능을 대폭 강화했습니다.
Hugging Face 데모 | WebAssembly 데모 (브라우저에서 동작, 서버 불필요)
목차
벤치마크
측정 환경: Intel Xeon E5-2650 v4 @ 2.20GHz / 48 cores / Linux x86_64 / Python 3.12 / ONNX Runtime 1.24 테스트 문장: "Hello, how are you doing today?" (영어, 25 음소) 측정 파라미터: warmup 5회 / 측정 30회 (intra-op threads = auto) 사용 모델:
- piper-plus: 6lang MB-iSTFT 75epoch ONNX (PR #320에서 도입된 통합 Decoder)
- Piper 원본:
en_US-lessac-medium(rhasspy/piper-voices v1.0.0)- sherpa-onnx:
vits-piper-en_US-amy-low(k2-fsa 릴리스)재현:
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
| 시스템 | RTF ↓ | Latency P50 (ms) | 크기 (MB) | RAM (MB) | 첫 실행 (ms) | 파라미터 | 언어 수 | 라이선스 |
|---|---|---|---|---|---|---|---|---|
| piper-plus (MB-iSTFT) | 0.078 | 27 | 38 | 208 | 1633 | 19.6 M | 8 | MIT |
| Piper 원본 (archived) | 0.066 | 35 | 60 | 185 | 2510 | 15.7 M | 1/model | MIT |
| sherpa-onnx (VITS Piper-fmt) | 0.075 | 53 | 60 | 202 | 2554 | 15.6 M | 1/model | Apache-2.0 |
| piper1-gpl (OHF fork) † | 0.06 | — | 75 | 150 | 400 | — | 1/model | 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 |
참고: RTF (Real-Time Factor)는 낮을수록 빠릅니다.
Latency P50은 단일 추론의 중앙값으로 "실제 응답성"을 직접 나타내는 지표입니다. piper-plus는 MB-iSTFT 통합 Decoder 덕분에 Latency P50 27ms로 가장 빠르며 (Piper 원본 35ms 대비 -23%, sherpa-onnx 53ms 대비 -49%), 모델 크기도 38MB로 가장 작은 수준입니다. 이전 piper-plus HiFi-GAN 기반 (P50 43.3ms)과 비교해도 -38% 개선되었습니다.† 표시된 행은 이번 PR에서 다시 측정하지 않았습니다 (
piper1-gpl은 Piper 원본과 동일한 아키텍처·ONNX 형식이므로 Piper 원본 행과 거의 같을 것으로 예상됩니다.Kokoro-82M은 다른 아키텍처이고eSpeak-NG는 비뉴럴 CLI이므로scripts/benchmark.py의 텐서 계약에 맞지 않아 별도의 측정 도구가 필요합니다). 이 값들은 이전 측정 (Apple M2 Max) 결과입니다.
멀티 런타임 RTF 벤치마크 (최신 값)
Python / Rust / Go / C# / C++ / WASM 6개 런타임을 multilingual-test-medium.onnx로 횡단 측정한 최신 RTF·지연 시간 결과를 공개하고 있습니다. dev 브랜치에 병합될 때마다 자동으로 갱신됩니다.
주요 기능
음성 합성
- 8개 언어 G2P/음소화 — 일본어, 영어, 중국어, 스페인어, 프랑스어, 포르투갈어, 스웨덴어, 한국어 (ja=0, en=1, zh=2, es=3, fr=4, pt=5, sv=6, ko=7). 현재 학습된 모델은 6개 언어 (JA/EN/ZH/ES/FR/PT)
- 일본어 TTS — OpenJTalk 통합, 운율 정보 (A1/A2/A3), 의문사 마커 (#204), 문맥 의존 'ん' 변이형 (#207)
- 영어 TTS — v2.0.2에는 g2p-en 기반 G2P가 Apache-2.0 추론 코드 및 Tacotron의 MIT 라이선스 고지와 함께 포함되어 있습니다. 외부
g2p-en/Distance나 espeak-ng는 필요하지 않습니다. 이전 PyPI 2.0.1의 의존성 정의는 변경되지 않습니다. 마이그레이션 가이드를 참조하세요 - 다중 화자 — 571 화자 지원 (학습용 기본 모델), SpeakerBalancedBatchSampler, 언어 그룹 균등 샘플링
- 커스텀 사전 — 200개 이상의 기술 용어 발음 사전 내장
- 음소 입력 —
[[ phonemes ]]표기법으로 직접 지정 — 가이드
학습
- WavLM Discriminator — MOS +0.15-0.25 향상 (기본 활성화, 학습 시에만 사용)
- MB-iSTFT-VITS2 Decoder — Decoder를 MB-iSTFT + PQMF로 통합, CPU 추론 2.21배 가속. ONNX 형식은 변경되지 않아 기존 런타임과 호환
- BF16 혼합 정밀도 —
--precision bf16-mixed가 기본값 (TF32도 기본 활성화). FP16보다 수치적으로 안정적이며 loss scaling이 필요 없습니다. BF16을 지원하지 않는 GPU (T4 등)에서는--precision 16-mixed를 지정하세요 - EMA — Exponential Moving Average를 통한 학습 안정성 향상 (기본 활성화)
- 다중 GPU — DDP 지원, 자동 학습률 스케일링
- Prosody Features — Duration Predictor에 운율 정보 주입 (
--prosody-dim 16) - Wandb 통합 — 실시간 메트릭 모니터링
인터페이스
- WebUI (Gradio) — 추론 및 Docker 지원. 로컬 Training Tab은 이전 CLI 인자를 보내므로 학습에는 학습 가이드를 사용하세요.
- C++ CLI — 스트리밍, CUDA 추론, 음소 타이밍 출력 (JSON/TSV/SRT), 커스텀 사전
- C API 공유 라이브러리 —
libpiper_plus.so/.dylib/.dll, FFI 지원 (Flutter/Godot/Swift 등), 스트리밍 API - iOS xcframework + SPM —
PiperPlus(Swift Package), 합성 엔진 본체를 iOS arm64 device + simulator universal로 배포 - iOS Swift G2P (SPM) —
PiperPlusG2P단독 라이브러리, 8개 언어 G2P를 ONNX Runtime 없이 iOS에서 사용 가능 (Issue #387) - WebAssembly — 브라우저 내에서 완전 동작, 음소 타이밍 출력 (JSON/TSV/SRT), 서버 불필요
- Docker — 추론·학습·WebUI·C++ (추론/개발)·Wyoming (Home Assistant)의 6개 이미지 제공
- PyPI —
pip install piper-plus로 간편 설치, 8개 언어 G2P/음소화 (현재 학습된 모델은 6개 언어), 음소 타이밍 출력 (JSON/TSV/SRT), 스트리밍, HTTP API - C# CLI — .NET 10 크로스 플랫폼, 8개 언어 G2P/음소화 (현재 학습된 모델은 6개 언어), ONNX 추론, 음소 타이밍 출력 (JSON/TSV/SRT)
- Rust CLI — piper-plus/piper-plus-cli, 스트리밍, CUDA/CoreML/DirectML 지원, 음소 타이밍 출력 (JSON/TSV/SRT), 사전 자동 다운로드
- Go CLI — HTTP API 서버, 세션 풀링, Docker 지원, 단일 바이너리, 음소 타이밍 출력 (JSON/TSV/SRT)
- Voice Cloning (Speaker Encoder + speaker_embedding) — 6개 런타임 (Python/Rust/C#/Go/WASM/C++) 모두에서 모델 호환 사전 계산
speaker_embedding입력을 지원합니다. C++ CLI/C API는 사전 계산 embedding만 받으며,--reference-audio를 통한 추출은 구현되지 않았습니다. 공개zs-v1의 실제 추론 확인은 Pythonpiper-plus==2.0.0에서만 이루어졌습니다. 공개 CI run38189966578에서는 Python이 생성한 공유 phoneme IDs를 입력으로 6개 런타임 추론을 확인했으며, native G2P와 사람의 청취 품질은 범위 밖이고 품질 승인은 이루어지지 않았습니다. - SSML 지원 — SSML 파서 계약은 Python/Rust/Go/C#/WASM/C++에 구현되어 있습니다. 합성 측은 Python/Rust/Go/WASM/C++가 지원하며, C# Core에는 파서가 있지만 CLI의
--text에는 아직 연결되지 않았습니다. C++는 CLI--ssml을 통해 제공됩니다 (C API에는 노출되지 않음). - 단문 품질 개선 (Strategy A/B/C) — Strategy A/B는 각 런타임에 구현되어 있습니다. Strategy C (SSML
<break>자동 삽입)는 추론용 Python/Rust/Go/C# 범위이며, 학습용 Python·WASM·C++는 대상이 아닙니다. 자세한 내용은 단문 계약을 참조하세요.
런타임별 기능 지원
6개 런타임 (Python/Rust/C#/Go/JS-WASM/C++)에서 현재 학습된 모델의 6개 언어 합성을 제공하며, 8개 언어 G2P/음소화도 제공합니다. 음소 타이밍, 스트리밍 (문장 단위 분할 포함), 모델 호환 사전 계산 embedding을 사용하는 Voice Cloning, 커스텀 사전은 런타임 기능으로 지원합니다. C++는 사전 계산 embedding만 받으며 --reference-audio는 구현되지 않았습니다. 공개 zs-v1의 실제 추론 확인은 Python piper-plus==2.0.0에서만 이루어졌습니다. 공개 CI run 38189966578은 Python 공유 phoneme IDs를 사용한 6개 런타임 추론을 확인하지만, native G2P와 사람의 청취 품질은 범위 밖이며 품질 승인은 이루어지지 않았습니다. SSML 합성 측 지원은 Python/Rust/Go/WASM/C++입니다 (C++는 CLI --ssml 경유, C API에는 노출되지 않음). C# Core의 파서는 CLI --text에 연결되지 않았으며, HTTP API는 Python/Go 2개 런타임에서 지원합니다.
빠른 시작
프리빌드 바이너리 (빌드 불필요)
GitHub Releases에서 프리빌드 바이너리를 다운로드하여 바로 음성 합성을 시작할 수 있습니다.
1. 바이너리 다운로드
사용 중인 OS에 맞게 다운로드 및 압축 해제하세요.
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 호환성: v2.0.2 Linux ARM64 C++ 배포물은 glibc 2.31을 ABI 상한으로 검사합니다. QEMU에서 Debian Bullseye / Bookworm / Trixie (64비트)의 실행과 일본어 합성을 검증합니다. Raspberry Pi 실기기와 Raspberry Pi OS 자체는 검증하지 않았습니다. 이전 v2.0.1 배포물은 glibc 2.38 이상이 필요하므로 v2.0.2를 사용하세요.
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, 32비트 ARM):
ARMv7 배포물은 C++ CLI만 제공됩니다. CI에서는 QEMU의 Debian Trixie (32비트 ARM)에서 빌드와 일본어 합성을 확인하고 있습니다. Raspberry Pi 실기기는 검증하지 않았습니다.
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. 모델 다운로드 및 음성 생성
# 츠쿠요미짱 모델 다운로드
./bin/piper-plus --download-model tsukuyomi
# 음성 생성 (모델 이름만으로 OK — 다운로드된 모델을 자동으로 찾음)
./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
Windows cmd의 코드 페이지에 대해:
--text옵션은 내부적으로GetCommandLineW()(UTF-16)를 사용하므로 코드 페이지와 관계없이 그대로 동작합니다. 파이프 입력 (echo ... | piper-plus)을 사용하는 경우에만 미리chcp 65001로 UTF-8로 전환하세요.output.wav 출력 위치: 현재 디렉터리 (
cd piper-plus한 위치)에 생성됩니다.
어떤 바이너리를 선택해야 하나요? Releases에는
piper-plus-cpp-*(C++) 외에도piper-plus-cli-*(C# .NET)와piper-plus-rs-cli-*(Rust) CLI가 있습니다. 위 빠른 시작에서 사용하는 C++ CLI(piper-plus-cpp-*)가 가장 많은 플랫폼을 지원하므로 권장합니다. 자세한 내용은 CLI 바이너리 선택 방법을 참조하세요.
Python 추론
# 설치
# 저장소 루트의 source checkout에서 실행
uv sync --extra inference
# 일본어 추론
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。"
# 영어 추론
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
주요 옵션: --speaker-id(화자 ID), --device auto|cpu|gpu, --noise-scale(음성 변동), --length-scale(말하기 속도), --noise-scale-w(음소 길이 변동, 기본값: 0.5)
WavLM 모델 권장 설정: WavLM Discriminator로 학습된 모델 (츠쿠요미짱 등)은
--noise-scale 0.5에서 최적의 음질을 얻을 수 있습니다 (기본값은 0.4).
Python CLI 모델 관리
# 모델 목록 표시
uv run --no-sync python -m piper_plus --list-models
uv run --no-sync python -m piper_plus --list-models ja
# 모델 다운로드
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
# 다운로드 후 사용
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 추론 (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 추론 (--gpus all 추가)
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
CI/CD 빌드 이미지:
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
자세한 내용은 docker/README.md를 참조하세요.
설치
Python
Python 3.13+ 권장 (3.11+ 지원). 의존성 관리는 uv를 권장합니다.
# CPU 추론
uv sync --extra inference
# GPU 추론 (CUDA 환경 필요)
uv sync --no-group cpu --extra inference-gpu
# 학습
uv sync --extra train
# 개발 (테스트·린터 포함)
uv sync --extra dev
PyPI 패키지로도 설치할 수 있습니다:
pip install piper-plus
패키지로 설치
Python (PyPI):
pip install piper-plus
npm (브라우저 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# 라이브러리 (NuGet):
dotnet add package PiperPlus.Core
Rust 라이브러리 (crates.io):
[dependencies]
piper-plus = "0.5"
소스에서 빌드
프리빌드 바이너리가 제공되지 않는 플랫폼에서 사용하거나 piper-plus를 수정하려는 경우 소스에서 빌드할 수 있습니다. C++ / C# / Rust 각 런타임의 빌드 절차는 소스 빌드 가이드 문서를 참조하세요.
사용법
C++ CLI의 자세한 명령줄 옵션, JSON 입력 형식, 모델 관리, 환경 변수, Windows 헬퍼 스크립트 사용법은 CLI 사용 가이드 문서를 참조하세요.
간단한 사용 예:
./bin/piper-plus --model tsukuyomi --text "こんにちは" --output_file hello.wav
학습
piper-plus 모델의 학습·파인튜닝 방법 (기본 설정, 다중 화자 / 다중 GPU, ONNX 변환, 체크포인트 관리, 음성 평가)은 학습 가이드 문서를 참조하세요.
실제 운용용 6개 언어 사전 학습 및 츠쿠요미짱 파인튜닝 명령 템플릿은 CLAUDE.md에 있습니다.
사전 학습 모델
공개된 piper-plus 모델 목록, 다운로드 방법, 6개 언어 기본 모델의 특징, 일본어 TTS의 자세한 내용은 모델 가이드 문서를 참조하세요.
주요 모델: tsukuyomi (일본어), zs-v1 (6개 언어 Zero-Shot/FT 실험용 기본 모델), bilingual-ja-en-v4 (일본어·영어 2개 언어) — 자세한 내용은 Hugging Face의 고정 공개 zs-v1 번들과 ayousanz/piper-plus-tsukuyomi-chan을 참조하세요.
Zero-Shot/FT 기본 모델 (
zs-v1, 2026-10-10): 고정 공개 번들은 기존 v7 epoch 32 실험 기준 버전입니다 (JA/EN/ZH/ES/FR/PT, 571 화자, 173 음소, CAM++ 192차원). Zero-Shot 추론에는base.onnx와 함께 제공되는campplus.onnx로 추출한 참조 embedding을, 추가 학습에는base.ckpt와 함께 제공되는config.json을 사용하세요. PyPIpiper-plus==2.0.0의 공개 예제로 기능을 확인했지만, 품질 승인·사람의 청취 합격·최신/최고 품질을 의미하지는 않습니다.base/zero-shot-base-zs-v1alias는 v2.0.2에 포함되어 있습니다 (2.0.0 / 2.0.1에는 미포함). 루트의model.ckpt는 이전 세대로 별도 취급합니다.
츠쿠요미짱 FT (
zs-v1, 2026-10-15): 동일한 공개 base 세대를 추가 학습한 고정 공개 모델을 공개했습니다.tsukuyomi.onnx와tsukuyomi.onnx.json을 조합하면 참조 음성이나 CAM++ 없이 생성할 수 있습니다. 일본어 3문장에 대한 사람의 확인을 기록했고 실험 버전으로서의 공개를 승인했습니다 (quality_approval=false, 품질 승인은 아닙니다). 기존tsukuyomialias는 계속 이전 루트 모델을 선택하므로, 새 모델은 모델 가이드의 고정 URL에서 받으세요.
플랫폼
- macOS: Apple Silicon (arm64) 네이티브 지원. 자세한 내용은 macOS 설정을 참조
- Windows: C++ 배포물은 x64, C# CLI는 x64 / arm64. OpenJTalk 설정은 Windows 설정 가이드를 참조
- WebAssembly: 브라우저에서 완전 오프라인 실행. 데모 | npm 패키지
관련 링크
Unity — uPiper
Piper를 Unity에서 사용하기 위한 플러그인: github.com/ayutaz/uPiper
- Unity 6000.0.35f1+, Unity.InferenceEngine
- Windows / macOS (Apple Silicon) / Linux / Android 지원
- 일본어·영어 지원, 비동기 API, 스트리밍
음성 모델 (Voices)
piper-plus 전용 모델: zs-v1 Zero-Shot/FT 기본 모델 · 츠쿠요미짱
츠쿠요미짱 모델: 생성한 음성을 사용할 때는
Piper Plus:つくよみちゃん크레디트 표기가 필수입니다. 금지 사항과 이용 조건은 모델 페이지에서 확인하세요. 이 모델은 츠쿠요미짱 측에서 보면 비공식 작품이며, 유메사키 레이(夢前黎) 님은 개발과 지원에 관여하지 않습니다. 문의는 유메사키 레이 님이 아니라 GitHub Issues 등을 통해 개발자에게 보내 주세요.
Note: piper-plus는 자체 G2P·음소 체계를 사용하므로 upstream Piper (rhasspy/piper-voices) 모델과 호환되지 않습니다.
관련 글
- LJSpeechを使って英語のpiperの事前学習モデルを作成する (LJSpeech로 영어 Piper 사전 학습 모델 만들기, 일본어)
- jvs音声データセットを使ったpiper日本語モデルの作成 (JVS 음성 데이터셋으로 Piper 일본어 모델 만들기, 일본어)
- piperモデルからつくよみちゃんデータセットを使って追加学習を行う (츠쿠요미짱 데이터셋으로 Piper 모델 추가 학습하기, 일본어)
piper-plus-g2p (독립 G2P 패키지)
다국어 G2P (Grapheme-to-Phoneme)를 독립 패키지로 제공합니다:
- Python:
pip install piper-plus-g2p— 소스 코드 - Rust:
cargo add piper-plus-g2p— 소스 코드 - Go:
go get github.com/ayutaz/piper-plus/src/go/phonemize— 소스 코드 - JavaScript/WASM:
npm install @piper-plus/g2p— 소스 코드 - Kotlin/Android:
implementation("io.github.ayutaz:piper-plus-g2p-android:1.0.1")— 소스 코드 · 사전 배포 가이드
People using Piper
Home Assistant · Rhasspy 3 · NVDA · Open Voice OS · LocalAI · JetsonGPT · mintPiper · Vim-Piper
문서
| 카테고리 | 링크 |
|---|---|
| 일본어 TTS | 일본어 음성 합성 가이드 |
| 학습 | 학습 가이드 · 다중 GPU |
| API | 음소 매핑 · 환경 변수 |
| 기능 | WebUI · CLI 강화 · 스트리밍 |
| 설정 | 빠른 시작 (일본어) · Windows · 문제 해결 |
| Docker | Docker 환경 |
| WebAssembly | 기술 상세 |
Contributing
CONTRIBUTING.md를 참조하세요. 질문이나 버그 보고는 Issues에 남겨 주세요. 행동 강령은 CODE_OF_CONDUCT.md를 참조하세요.
Changelog
CHANGELOG.md를 참조하세요.
감사의 말
piper-plus의 GPU를 사용하는 실험은 CloudRift의 AI Builder Grant (GPU 크레딧) 지원을 받고 있습니다.