Canopy Labs: Orpheus 3B

Orpheus 3B 0.1 Fine-Tuned is het Engelse text-to-speech-model van Canopy Labs voor alledaagse synthese. Het hoort bij de Orpheus-familie die op een Llama-3B-basisarchitectuur is gebouwd en richt zich op natuurlijke intonatie, ritme en expressieve voordracht. De invoer is de uit te spreken tekst met een geselecteerde spreker; de uitvoer is spraakaudio. De fabrikant noemt ook zero-shot stemklonen voor dit exacte gefinetunede model. Het gepubliceerde synthesevoorbeeld voor het gefinetunede model gebruikt vooraf ingestelde sprekers, terwijl tekst-spraakprompting met referentieconditionering afzonderlijk voor de voorgetrainde editie is gedocumenteerd. Deze gefinetunede editie is onderscheiden van het voorgetrainde model en de afzonderlijk uitgebrachte meertalige onderzoeksmodellen.

Kies een spreker en bereid de regel voor

De fabrikant noemt acht vooraf ingestelde Engelse stemmen: tara, leah, jess, leo, dan, mia, zac en zoe. De promptconventie plaatst de sprekernaam vóór de gesproken tekst, gescheiden door een dubbele punt. De referentieworkflow voor spraakgeneratie kan die opmaak toevoegen wanneer de stem afzonderlijk wordt aangeleverd. Selecteer een spreker voor het beoogde stuk en houd die keuze consistent tussen samenhangende passages.

Schrijf voor een korte uitleg de definitieve verteltekst in plaats van een instructie die het model vraagt de uitleg te verzinnen. Een bruikbare gesproken regel is: “Kies de map die u wilt delen, controleer wie die kan openen en sla de wijzigingen op.” Bereid bij dialoog de regel van elke spreker expliciet voor en behoud de interpunctie die de voordracht ondersteunt. Schrijf een afkorting, datum of productnaam in de vorm die de luisteraar moet horen, vooral wanneer de geschreven verkorting dubbelzinnig is.

Expressieve en non-verbale aanwijzingen

Orpheus documenteert de tags <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn> en <gasp>. Die geven de tekst op het relevante punt een expliciete non-verbale gebeurtenis. Een korte gesprekspassage kan een lachje vóór een luchtige opmerking of een zucht vóór een nadenkende zin plaatsen. Gebruik de aanwijzing waar die in de voordracht hoort en houd de daadwerkelijke woorden van de regel duidelijk.

Dit zijn aanwijzingen voor spraakgeneratie, geen algemene instructietaal om een bestaande opname te bewerken. Begin voor een voice-over met leesbare tekst en voeg alleen de expressieve gebeurtenissen toe die de scène nodig heeft. Luister naar de volledige regel om te beoordelen of de gebeurtenis, nadruk en pacing de betekenis ondersteunen. Een verteltaak kan een gelijkmatige stem nodig hebben, terwijl een personageregel van een specifieke non-verbale aanwijzing kan profiteren.

Streaming en het audioresultaat

De fabrikant levert zowel een notebook zonder streaming als een streamingspraakvoorbeeld. Streaming retourneert opeenvolgende audiofragmenten terwijl de passage wordt gegenereerd. In het gepubliceerde voorbeeld worden die fragmenten naar een mono-WAV-bestand van 24.000 Hz met 16-bits samples geschreven. Die bestandsinstellingen beschrijven de referentieworkflow; het bruikbare resultaat is een afspeelbare opname waarvan woorden, spreker en voordracht tegen het script kunnen worden gecontroleerd.

Bereid voor een langere vertelling samenhangende passages met duidelijke zinsgrenzen voor en bewaar een kopie van het definitieve script bij de audio. Beoordeel begin en einde van elke passage, de uitspraak van belangrijke namen en de overgang tussen aangrenzende opnamen. De samplingrichtlijnen van de fabrikant specificeren een herhalingspenalty van minstens 1.1 voor stabiele generatie in de referentie-implementatie en merken op dat samplingkeuzes de spreeksnelheid kunnen beïnvloeden. De ingestelde modellengte van het voorbeeld is een inferentie-instelling, geen vastgestelde maximale vertelduur.

Editiegrenzen

Dit profiel betreft het gefinetunede Engelse model met de gedocumenteerde vooraf ingestelde sprekers. Het voorgetrainde model heeft een eigen workflow voor tekst-en-spraakconditionering; meertalige uitgaven hebben taalspecifieke sprekers en tags. Deze Engelse editie selecteren combineert die afzonderlijke profielen niet. Een praktisch resultaat is een gesproken script, een bewust gekozen vooraf ingestelde stem en audio die op de bewoordingen en voordracht is beoordeeld die het stuk nodig heeft.