https://github.com/user-attachments/assets/961d158b-66d2-48c2-a257-81260577ca91
日本語対応のゼロショット音声クローンアプリです。
5秒ほどの音声サンプルと文字起こし＋台本テキストを入力するだけで、
話者の特徴を保持した新しいセリフ音声を合成できます。
本プロジェクトは Microsoft の VALL‑E X を再現・日本語対応させた
Plachtaa/VALL-E-X に基づいています。
このアプリは Hugging Face Spaces で公開・実行可能です：
👉 valle-x-jp-voice-cloner on Hugging Face Spaces
スペース上でアプリを試したい方は、ブラウザからアクセスするだけで利用できます。
コードをローカルで動かしたい場合は、以下の手順をご参照ください。
# Conda 環境の作成
conda env create -f environment.yaml
conda activate vallex-voice-cloner
または pip で：
pip install -r requirements.txt
python app.py
ローカルブラウザで http://localhost:7860 にアクセスできます。
.
├── app.py # Gradio UI メインアプリ
├── checkpoints/ # 学習済みモデル (vallex-checkpoint.pt)
├── models/ # VALL‑E X モデル実装
├── utils/ # 前処理・合成・プロンプト処理ユーティリティ
├── requirements.txt # pip 用依存
├── environment.yaml # conda 用依存
├── README.md
└── ...
本アプリは学術研究・実験用途を想定しています。商用利用は元ライセンスに従ってください。
https://github.com/user-attachments/assets/961d158b-66d2-48c2-a257-81260577ca91
日本語対応のゼロショット音声クローンアプリです。
5秒ほどの音声サンプルと文字起こし＋台本テキストを入力するだけで、
話者の特徴を保持した新しいセリフ音声を合成できます。
本プロジェクトは Microsoft の VALL‑E X を再現・日本語対応させた
Plachtaa/VALL-E-X に基づいています。
このアプリは Hugging Face Spaces で公開・実行可能です：
👉 valle-x-jp-voice-cloner on Hugging Face Spaces
スペース上でアプリを試したい方は、ブラウザからアクセスするだけで利用できます。
コードをローカルで動かしたい場合は、以下の手順をご参照ください。
# Conda 環境の作成
conda env create -f environment.yaml
conda activate vallex-voice-cloner
または pip で：
pip install -r requirements.txt
python app.py
ローカルブラウザで http://localhost:7860 にアクセスできます。
.
├── app.py # Gradio UI メインアプリ
├── checkpoints/ # 学習済みモデル (vallex-checkpoint.pt)
├── models/ # VALL‑E X モデル実装
├── utils/ # 前処理・合成・プロンプト処理ユーティリティ
├── requirements.txt # pip 用依存
├── environment.yaml # conda 用依存
├── README.md
└── ...
本アプリは学術研究・実験用途を想定しています。商用利用は元ライセンスに従ってください。