EdgeSpeak ブログ
ローカル文字起こし、強制アライメント、字幕、音声ゲートウェイ。
- 強制アライメントの評価:短文、長時間音声、中国語の単語タイムスタンプを実測TIMIT と標貝の手動アノテーションを使い、英語の短文、60 分の長時間音声、中国語、文ごとに英語と中国語が切り替わる音声で強制アライメントの単語タイムスタンプを評価。EdgeSpeak、Montreal Forced Aligner(MFA)、ElevenLabs、Qwen3-ForcedAligner の単語境界の誤差、処理時間、料金を比較します。
- EdgeSpeak:オンデバイス音声 AI をオールインワンで——文字起こし、読み上げ、アライメント、翻訳、音楽、LLMEdgeSpeak は文字起こし、読み上げ、強制アライメント、音楽生成、翻訳、話者分離、リアルタイム音声対話を手元のパソコンで実行。26 分の録音を 33 秒で文字起こしし、346 言語のアライメント、38 言語への翻訳、11 種類の読み上げモデル、歌詞から楽曲を生成する YuE2 に対応します。