Aivis-Project/AivisSpeech

What it solves

AivisSpeech 是一款設計用於生成情感豐富語音的日文文本轉語音 (TTS) 軟體。它提供了一個基於 VOICEVOX 的使用者友善編輯器 UI，讓使用者可以輕鬆地從文本中建立合成語音。

How it works

該軟體整合了 AivisSpeech Engine，它利用了 AIVMX (Aivis Voice Model for ONNX) 開放式檔案格式。此格式將訓練好的模型、超參數、風格向量與說話者元數據 (metadata) 封裝成單一檔案。透過使用 ONNX Runtime，系統可以實現快速的 CPU 推論 (inference) 與消除對 PyTorch 的依賴，從而減少安裝包的大小。

Who it’s for

它主要針對需要高品質日文合成語音的內容創作者與開發者。它支援 Windows 與 macOS (特別是 Apple Silicon) 使用者。

Highlights

• ONNX-based Inference: 使用 AIVMX 檔案以獲得高速的 CPU 效能與更小的佔用空間。
• VOICEVOX-based UI: 利用熟悉的編輯器介面進行直觀的語音合成。
• AIVM Specification: 支援包含元數據 (metadata) 與說話者資訊的標準化開放式語音模型檔案格式。
• Architecture Support: 相容於 Style-Bert-VITS2 與 Style-Bert-VITS2 (JP-Extra) 模型架構。