Testun-i-leferydd

Mae technolegau testun-i-leferydd yn caniatáu i system gyfrifiadurol lefaru unrhyw destun gyda llais synthetig neu naturiol.

Gall y testun ddeillio o ddogfennau, gwefan, negeseuon testun neu system meddalwedd wedi’i mewnblannu (lle nad oes modd dangos testun ar sgrin). Mae adnoddau testun-i-leferydd Cymraeg y Porth Technolegau Iaith wedi’i seilio ar systemau cod agored. Gewch arbrofi gyda’n gwahanol adnoddau testun-i-leferydd trwy bori tts.techiaith.cymru.

Orpheus-TTS

Mae Orpheus-TTS gan Canopy AI yn un o’r systemau testun-i-leferydd cod agored mwyaf datblygedig, ac fe’i hadeiladwyd yn wreiddiol ar ben Llama-3b. Mae’n cynhyrchu lleisiau sy’n swnio’n naturiol gydag emosiwn realistig, tôn gynnil, a rhythm sy’n cystadlu â (ac yn aml yn rhagori ar) wasanaethau cod gaeedig. Gall gynhyrchu lleisiau newydd heb hyfforddiant hir ac mae’n cefnogi rheolaeth fynegiannol trwy dagiau emosiwn syml gan ei wneud yn ddelfrydol ar gyfer cymwysiadau amser real. Mae ein fersiwn wedi’i mireinio o Orpheus-TTS yn cynnig:

Lleisiau Cymraeg dilys: Wedi’u hyfforddi ar ddata Cymraeg o ansawdd uchel, gan gynnwys lleferydd naturiol a phatrymau tôn brodorol.
Cywirdeb a chysondeb: Wedi’u tiwnio’n ofalus i drin strwythur sain a rhythm unigryw lleferydd Cymraeg.
Tagiau emosiwn penodol i’r Gymraeg: Ychwanegwch giwiau fel <chwerthin> neu <anadlu> ar gyfer lleferydd sy’n llawn mynegiant ac sy’n ffyddlon i’n diwylliant.

Enghreifftiau o Orpheus ar waith

Piper

Rydym wedi mireinio Piper i’w ddefnyddio gyda’r iaith Gymraeg. Am y tro cyntaf, gall datblygwyr, addysgwyr a chrewyr gael mynediad at leisiau naturiol, dilys Cymraeg sy’n rhedeg mewn amser real — hyd yn oed ar ddyfeisiau bach fel Raspberry Pi.

Beth yw Piper?

Mae Piper yn beiriant TTS cod agored, modern, wedi’i gynllunio ar gyfer cyflymder ac ansawdd. Mae’n troi testun yn lleferydd naturiol gyda’r cuddni lleiaf, a gellir ei redeg ar ystod eang o galedwedd, o liniaduron i systemau mewnosodedig. Mae’n syml i’w integreiddio, yn ysgafn, ac yn gallu cynhyrchu lleferydd mewn amser real — gan ei wneud yn berffaith ar gyfer technoleg gynorthwyol, dyfeisiau clyfar ac apiau rhyngweithiol.

Enghreifftiau o Piper ar waith

Defnyddio’r lleisiau

Mae’r un lleisiau ar gael mewn tair ffordd — dewiswch yn ôl eich angen:

Ar eich dyfais

Mae ap Techiaith TTS yn gosod y lleisiau fel lleisiau system ar iOS, Android a Windows — am ddim, all-lein, ac yn gweithio ym mhob ap sy’n siarad.

Yn eich cod

Un cais REST API o’r cwmwl — y lleisiau diweddaraf bob amser, heb osod dim byd. Yn addas i apiau, gwefannau a gweinyddion.

Eich llais eich hun

Gyda Lleisiwr gallwch wrando ar ein casgliad o leisiau dwyieithog — a chynhyrchu eich llais synthetig eich hun.

Eisiau eu clywed nhw gyntaf? Rhowch gynnig ar y lleisiau yn tts.techiaith.cymru.

SSML: rheoli sut mae’r llais yn swnio

Mae SSML (Speech Synthesis Markup Language) yn gadael i chi ychwanegu cyfarwyddiadau at eich testun i reoli sut y caiff ei lefaru: ychwanegu saib, cywiro ynganiad gair, ehangu talfyriad, gorfodi iaith darn o destun, neu ddewis sut y darllenir rhifau a dyddiadau.

Golygydd SSML

Rhowch gynnig arni yn y golygydd ar-lein: addaswch sut mae geiriau’n swnio, ychwanegwch seibiau naturiol a pherffeithiwch y cyflwyniad, heb ysgrifennu cod.

API SSML

Anfonwch SSML at yr API (POST /api/ssml), a chewch ffeil WAV yn ôl sy’n cynnwys lleisiau Piper ac Orpheus ill ddau.

Beth allwch chi ei reoli?

Saibiau: <break time="500ms"/>, neu <p> a <s> ar gyfer paragraffau a brawddegau.
Ynganiad: <phoneme> gydag IPA neu nodiant Bangor.
Talfyriadau: <sub alias="…"> i ddweud rhywbeth gwahanol i’r hyn sydd wedi’i ysgrifennu.
Iaith: <lang xml:lang="cy"> neu "en" i orfodi iaith darn o destun.
Rhifau, dyddiadau ac amserau: <say-as>, gan gynnwys sillafu gair lythyren wrth lythyren.
Llais a model: <voice name="…" model="…">.

Cefnogir SSML gan y modelau piper-cy, piper-cy-en ac orpheus-cy-en. Nid oes modd newid cyflymder, traw na phwyslais (<prosody>, <emphasis>) eto.

Enghraifft

Mae’r SSML hwn yn ehangu talfyriad, yn ychwanegu saib ac yn newid i’r Saesneg. Gwrandewch ar y canlyniad isod.

<speak>
  <voice name="benyw-gogledd-pro" model="piper-cy-en">
    Croeso i'r <sub alias="Uned Technolegau Iaith">UTI</sub>.
    <break time="700ms"/>
    <lang xml:lang="en">Welcome to the Language Technologies Unit.</lang>
  </voice>
</speak>

Enghraifft SSML

I’w anfon at yr API, rhowch yr SSML mewn JSON fel {"ssml": "…"} (hyd at 10,000 nod). Mae’r ddogfennaeth API yn cynnwys rhagor o enghreifftiau.

Adnoddau i ddatblygwyr

Mae popeth sy’n gyrru’r lleisiau hyn ar gael yn agored — y modelau, y cod a’r pecynnau:

Modelau

cy_en_GB-bu_tts — lleisiau Piper dwyieithog Cymraeg a Saesneg: y lleisiau a defnyddir yn ap Techiaith TTS ac yn yr API (trwydded CC BY).
cy_GB-bu_tts — lleisiau Piper uniaith Gymraeg.
orpheus3b-cy-en — model Orpheus 3b dwyieithog, ar gyfer y lleferydd mwyaf naturiol.
microsoft_speecht5_finetuned_bu_tts_cy_en — arbrawf SpeechT5 dwyieithog.

Pecynnau

techiaith-g2p ar PyPI — y pen blaen sy’n troi testun Cymraeg a Saesneg yn ffonemau Piper: normaleiddio rhifau, amserau, dyddiadau ac arian, dewis iaith pob brawddeg, ac ynganu o eiriadur ynganu Bangor. Dyma’r un cod sy’n rhedeg ar y we ac ym mhob ap.

Cod

techiaith/piper-cy

techiaith/piper-ios-app

Cenedlaethau cynharach

Ein gwaith testun-i-leferydd o ‘r oes cyn y rhwydweithiau niwral — Festival a MaryTTS — ar gael o hyd:

techiaith/llais_festival

techiaith/Festival_MSAPI

techiaith/docker-marytts

API

Mae’r un lleisiau ar gael fel gwasanaeth REST API o’r cwmwl — Piper ac Orpheus fel ei gilydd, gan gynnwys SSML ar gyfer rheoli saibiau ac ynganiad. Ni fydd yn rhaid gosod dim byd. Gweler Gwasanaethau API am y ddogfennaeth a mynediad, a tts.techiaith.cymru i’w profi yn y porwr.

Porth Technolegau Iaith Cenedlaethol Cymru