README.md

metadata

title: AIGamingVoice Japanese
emoji: 🐠
colorFrom: gray
colorTo: purple
sdk: gradio
sdk_version: 6.2.0
app_file: app.py
pinned: false
license: mit
short_description: TTS voice for AI (Currently Matcha-TTS)

AIGamingVoice - Japanese / 日本語

High-quality, lightweight Japanese Text-to-Speech specifically tuned for AI gaming characters. Running on ONNX Runtime for fast inference

AIゲームキャラクター向けに調整された高品質・軽量な日本語音声合成システムです。 ONNX Runtime上で動作します。

🌟 Features / 特徴

• ⚡ Fast & Lightweight: Pure ONNX Runtime implementation
  • 高速・軽量: 純粋なONNX Runtime実装です。
• 🖼️ Visual Speaker Selection: Select speakers intuitively from an image gallery.
  • 視覚的な話者選択: 画像ギャラリーから直感的にキャラクター（話者）を選択できます。
• 🇯🇵 Japanese Optimization: Uses pyopenjtalk for accurate Japanese phoneme generation.
  • 日本語最適化: pyopenjtalk を使用し、正確な日本語読み上げを実現しています。

🛠️ Installation & Local Usage / インストールとローカルでの使用方法

1. Clone the repository / リポジトリをクローン

   git clone https://huggingface.co/spaces/YOUR_USERNAME/AIGamingVoice-Japanese
   cd AIGamingVoice-Japanese
   

2. Install dependencies / 依存関係のインストール

   pip install -r requirements.txt
   

   Note: You need cmake installed for pyopenjtalk. 注: pyopenjtalkのインストールには cmake が必要です。

3. Prepare Models / モデルの準備 Place your .onnx models in the models/ directory. models/ ディレクトリに .onnx モデルファイルを配置してください。

4. Prepare Speaker Images (Optional) / 話者画像の準備（オプション） Place images (0.jpg, 1.jpg, ...) in the imgs/ directory to enable the visual selector. imgs/ ディレクトリに画像ファイル（0.jpg, 1.jpg ...）を配置すると、画像による話者選択機能が有効になります。

5. Run the application / アプリケーションの実行

   python app.py
   

   Access http://localhost:7860 in your browser. ブラウザで http://localhost:7860 にアクセスしてください。

🎮 How to Use / 使い方

1. Select Model: Choose a voice model from the dropdown.
   • モデル選択: ドロップダウンから音声モデルを選択します。
2. Select Speaker: Click on a character image or enter the Speaker ID.
   • 話者選択: キャラクター画像をクリックするか、Speaker IDを入力します。
3. Input Text: Enter Japanese text to synthesize.
   • テキスト入力: 読み上げたい日本語テキストを入力します。
4. Adjust Settings: Tweak Temperature (randomness) and Speaking Rate (speed).
   • 設定調整: Temperature（ランダム性）やSpeaking Rate（話速）を調整できます。
5. Synthesize: Click the button to generate audio.
   • 音声生成: ボタンをクリックして音声を生成します。

🤝 Credits / クレジット

• Matcha-TTS: Architecture based on Matcha-TTS.
• ONNX Runtime: Inference engine.
• pyopenjtalk: Japanese text processing frontend.

---

Created for AI Gaming Voice Project