Glosik

Głosik

Głosik (pronunciado "gwoh-seek") es una aplicación de ejemplo para mostrar el sistema de texto a voz F5-TTS usando MLX Swift. El nombre proviene de la palabra polaca "głos" (voz) con el sufijo diminuto "-ik".

Aquí está el repositorio original de la implementación: https://github.com/lucasnewman/f5-tts-swift

F5tts_demo.mp4

¡Mira la demostración de arriba para ver a Głosik en acción!

Requisitos

• macOS 14.0 o posterior
• iOS 16.0 o posterior
• VISIOS 1.0 o posterior
• Xcode 15.0 o posterior
• Swift 5.9 o posterior

Instalación

1. Clonar el repositorio
2. Abra Glosik.xcodeproj en Xcode
3. Construir y ejecutar el proyecto

Uso

1. Ingrese el texto que desea convertir a discurso
2. (Opcional) Registre o seleccione una muestra de audio de referencia:
   • Ir a la pestaña "Referencia"
   • Registre una nueva muestra de audio y proporcione texto de referencia
   • Guárdelo como una muestra de referencia
   • Seleccione en el selector de referencia en la pestaña "Generar"
3. Haga clic en "Generar el discurso" para crear el audio
4. Use los controles de reproducción para escuchar el discurso generado
5. Guardar el audio generado como un archivo WAV

Características

Generación de texto a voz

• Síntesis del habla de alta calidad utilizando el modelo F5-TTS
• Seguimiento de progreso de generación en tiempo real
• Estadísticas de tiempo de generación
• Monitoreo de uso de la memoria de GPU

Soporte de audio de referencia

• Registre nuevas muestras de referencia con texto acompañante
• Administrar muestras de referencia guardadas
• Seleccione muestras de referencia para la generación del habla
• Reproducir muestras de referencia
• Soporte para mono, formato WAV de 24 kHz

UI moderna

• Interfaz nativa de Swiftui
• Navegación de visión dividida
• Soporte en modo oscuro
• Soporte multiplataforma (MacOS, iOS, Visisos)
• Características de accesibilidad

Estructura de proyectos

El proyecto se divide en dos partes principales:

• Glosik : aplicación principal
• GlosikUI : paquete de componentes swiftui reutilizables

Licencia

Este proyecto tiene licencia bajo la licencia MIT. Consulte el archivo de licencia para obtener más detalles.