Glosik

głosik

Głosik（「Gwoh-Seek」と発音）は、MLX Swiftを使用してF5-TTSテキストからスピーチシステムを紹介するための例です。名前は、小型の接尾辞「-ik」を備えたポーランド語「głos」（声）に由来しています。

これは、実装の元のリポジトリです：https：//github.com/lucasnewman/f5-tts-swift

f5tts_demo.mp4

上記のデモをご覧になって、Głosikが動作しているのをご覧ください！

要件

• MacOS 14.0以降
• iOS 16.0以降
• Visionos 1.0以降
• Xcode 15.0以降
• Swift 5.9以降

インストール

1. リポジトリをクローンします
2. XcodeでGlosik.xcodeprojを開きます
3. プロジェクトを構築して実行します

使用法

1. スピーチに変換するテキストを入力します
2. （オプション）参照オーディオサンプルを録画または選択します。
   • [参照]タブに移動します
   • 新しいオーディオサンプルを記録し、参照テキストを提供します
   • 参照サンプルとして保存します
   • [生成]タブのリファレンスピッカーから選択します
3. [スピーチを生成]をクリックして、オーディオを作成します
4. 再生コントロールを使用して、生成されたスピーチを聞く
5. 生成されたオーディオをWAVファイルとして保存します

特徴

テキストからスピーチの生成

• F5-TTSモデルを使用した高品質の音声合成
• リアルタイム生成の進行状況追跡
• 生成タイミング統計
• GPUメモリ使用監視

参照オーディオサポート

• 添付のテキストで新しいリファレンスサンプルを記録します
• 保存された参照サンプルを管理します
• 音声生成の参照サンプルを選択します
• 参照サンプルを再生します
• Mono、24kHz WAV形式のサポート

現代のui

• ネイティブSwiftuiインターフェイス
• スプリットビューナビゲーション
• ダークモードのサポート
• クロスプラットフォームサポート（MacOS、iOS、VisionOS）
• アクセシビリティ機能

プロジェクト構造

プロジェクトは2つの主要な部分に分割されています。

• Glosik ：メインアプリケーション
• GlosikUI ：再利用可能なSwiftuiコンポーネントパッケージ

ライセンス

このプロジェクトは、MITライセンスの下でライセンスされています。詳細については、ライセンスファイルを参照してください。