پایپر (آفلاین)
Piper (offline)موتور سبک و سریع تبدیل متن به گفتار که روی CPU و حتی رزبریپای کار میکند؛ پنج صدای رسمی فارسی دارد (amir، ganji، ganji_adabi، gyro و reza_ibrahim) و کاملاً آفلاین است.
اجرا روی سیستم خودتان
این مدل را یک بار دانلود می‌کنید و بعد بدون اینترنت روی لپ‌تاپ، کامپیوتر یا سرور خودتان اجرایش می‌کنید.
- کاملاً آفلاین
- متن‌باز
- GPL-3.0 (موتور) + مجوز جداگانهٔ هر صدا — استفادهٔ تجاری با شرط
- فارسی: متوسط
بعد از نصب بسته و دانلود فایل‌های صدا، هیچ ارتباط اینترنتی لازم نیست. دستور piper.download_voices فقط برای دانلود اولیهٔ صداها اینترنت می‌خواهد.
موتور piper1-gpl با GPL-3.0 منتشر شده؛ استفادهٔ تجاری مجاز است ولی توزیع آن در نرم‌افزار دیگر شرایط GPL را دارد. مخزن قدیمی rhasspy/piper با مجوز MIT بایگانی شده است. صداهای amir، ganji، ganji_adabi و reza_ibrahim داده‌های CC0 دارند؛ کارت مدل gyro فقط به یک لینک ارجاع داده و مجوزش روشن نیست. مستندات Piper می‌گوید برای استفادهٔ شخصی و پژوهشی در نظر گرفته شده است.
نسخه‌ها و سخت‌افزار لازم
- fa_IR-amir-medium
- حافظهٔ لازم:
- کارت گرافیک ۰ گیگ یا رم ۳ گیگ
مجوز داده: CC0؛ بر پایهٔ صدای انگلیسی lessac تنظیم شده. کیفیت medium، ۲۲٫۰۵ کیلوهرتز، حدود ۶۳ مگابایت؛ روی CPU اجرا میشود. رم تخمینی است (اندازهٔ فایل × ۱٫۲ + ۲ گیگابایت برای سیستم‌عامل).
- fa_IR-ganji-medium
- حافظهٔ لازم:
- کارت گرافیک ۰ گیگ یا رم ۳ گیگ
مجوز داده: CC0؛ بر پایهٔ صدای amir تنظیم شده. کیفیت medium، ۲۲٫۰۵ کیلوهرتز، حدود ۶۳ مگابایت؛ روی CPU اجرا میشود. رم تخمینی است (اندازهٔ فایل × ۱٫۲ + ۲ گیگابایت برای سیستم‌عامل).
- fa_IR-ganji_adabi-medium
- حافظهٔ لازم:
- کارت گرافیک ۰ گیگ یا رم ۳ گیگ
مجوز داده: CC0؛ بر پایهٔ صدای ganji تنظیم شده. کیفیت medium، ۲۲٫۰۵ کیلوهرتز، حدود ۶۳ مگابایت؛ روی CPU اجرا میشود. رم تخمینی است (اندازهٔ فایل × ۱٫۲ + ۲ گیگابایت برای سیستم‌عامل).
- fa_IR-gyro-medium
- حافظهٔ لازم:
- کارت گرافیک ۰ گیگ یا رم ۳ گیگ
مجوز داده روشن نیست (کارت مدل فقط به صفحهٔ گیت‌هاب سازنده ارجاع داده)؛ برای کار تجاری مناسب نیست مگر مجوزش را خودتان روشن کنید. کیفیت medium، ۲۲٫۰۵ کیلوهرتز، حدود ۶۳ مگابایت؛ روی CPU اجرا میشود. رم تخمینی است (اندازهٔ فایل × ۱٫۲ + ۲ گیگابایت برای سیستم‌عامل).
- fa_IR-reza_ibrahim-medium
- حافظهٔ لازم:
- کارت گرافیک ۰ گیگ یا رم ۳ گیگ
دوزبانهٔ فارسی و انگلیسی؛ مجوز داده: CC0 (داده‌های صوتی قرآن از Reza Hedayatfar و Ibrahim Walk). کیفیت medium، ۲۲٫۰۵ کیلوهرتز، حدود ۶۳ مگابایت؛ روی CPU اجرا میشود. رم تخمینی است (اندازهٔ فایل × ۱٫۲ + ۲ گیگابایت برای سیستم‌عامل).
نصب و اجرا
- ۱
Piper را نصب کنید
pip install piper-ttsبه پایتون ۳.۹ یا بالاتر نیاز دارد. بسته‌های آماده برای ویندوز، مک و لینوکس (x86 و ARM) منتشر شده است.
- ۲
یک صدای فارسی دانلود کنید
python3 -m piper.download_voices fa_IR-amir-mediumدر ویندوز به جای python3 بنویسید python. صداهای دیگر: fa_IR-ganji-medium، fa_IR-ganji_adabi-medium، fa_IR-gyro-medium و fa_IR-reza_ibrahim-medium. فایل‌ها در پوشهٔ جاری ذخیره می‌شوند؛ با --data-dir پوشه را عوض کنید.
- ۳
متن را به فایل صوتی تبدیل کنید
python3 -m piper -m fa_IR-amir-medium -f salam.wav -- 'سلام، این یک آزمایش است.'خروجی فایل salam.wav است. برای خواندن متن از فایل از گزینهٔ --input-file استفاده کنید.
- ۴
سرور HTTP برای برنامه‌ها
pip install "piper-tts[http]" python3 -m piper.http_server -m fa_IR-amir-mediumسرور روی پورت ۵۰۰۰ بالا می‌آید و صفحهٔ آزمایش http://localhost:5000 دارد؛ برنامه‌ها با ارسال به /synthesize فایل WAV می‌گیرند.
دانلود
- OHF-Voice/piper1-gpl (GitHub) ↗رسمی
کد و بسته‌های نصبی (wheel) برای همهٔ سیستم‌عامل‌ها.
- piper-tts (PyPI) ↗رسمی
نصب با pip.
- صداهای فارسی (Hugging Face) ↗رسمی
هر صدا دو فایل .onnx و .onnx.json به‌علاوهٔ کارت مجوز (MODEL_CARD) دارد.
- نمونهٔ صداها ↗رسمی
پیش از دانلود صداها را گوش کنید.
نکات امنیتی
- صداها را فقط از مخزن رسمی rhasspy/piper-voices بگیرید؛ فایل‌ها ONNX هستند و کد اجرایی ندارند، ولی نسخه‌های دستکاری‌شده از منابع ناشناس قابل اعتماد نیستند.
- سرور HTTP رمز عبور ندارد؛ پورت ۵۰۰۰ را روی اینترنت باز نکنید.
برای شرکت‌ها و سازمان‌ها
برای شرکت‌ها و سازمان‌ها گزینهٔ مناسبی برای اعلان صوتی، سامانهٔ تلفنی سادهٔ فارسی یا دستیار صوتی داخلی است، چون روی سرور معمولی بدون کارت گرافیک اجرا میشود. پیش از استفادهٔ تجاری مجوز صدای انتخابی و شرایط GPL را بررسی کنید.
برنامه‌هایی که این مدل را اجرا می‌کنند
لوکالایآیآخرین بررسی: ۱۲ مهر ۱۴۰۵ · انتشار: ۲۵ دی ۱۴۰۱
معرفی: پایپر (آفلاین)
Piper موتور متن‌باز تبدیل متن به گفتار است که حالا بنیاد Open Home، مالک Home Assistant، نگهداری‌اش میکند. صداها مدل‌های کوچک VITS در قالب ONNX هستند و هر کدام حدود ۶۳ مگابایت‌اند؛ برای همین روی CPU معمولی و حتی رزبریپای اجرا میشود و کارت گرافیک لازم ندارد.
پنج صدای رسمی فارسی دارد: amir، ganji، ganji_adabi، gyro و reza_ibrahim، همه با کیفیت medium. برای خواندن متن، کتاب صوتی ساده، دستیار صوتی خانهٔ هوشمند و نرم‌افزارهای کمکی نابینایان مناسب است؛ صفحه‌خوان NVDA هم جزو کاربران Piper است.
سخت‌افزار: یک کامپیوتر معمولی کافی است و گزینهٔ --cuda برای کارت گرافیک اختیاری است. نصب با pip روی ویندوز، مک و لینوکس انجام میشود و یک سرور HTTP داخلی با صفحهٔ آزمایش هم دارد.
شروع: pip install piper-tts، صدای فارسی را با piper.download_voices بگیرید و متن را به فایل wav تبدیل کنید.
محدودیت: صداها طبیعی‌بودن مدل‌های بزرگ امروزی را ندارند و شبیه‌سازی صدا نمی‌کنند. تلفظ از espeak-ng گرفته میشود. مجوز هر صدا جداست: چهار صدا داده‌های CC0 دارند ولی مجوز داده‌های gyro روشن نیست. موتور جدید GPL-3.0 است و مستندات آن نوشته برای استفادهٔ شخصی و پژوهشی در نظر گرفته شده است.
بهترین کاربردها
- •متن فارسی را بدون اینترنت به صدا تبدیل کنم
- •روی لپ‌تاپ بدون کارت گرافیک متن فارسی را بلند بخوانم
- •برای دستیار صوتی خانهٔ هوشمند صدای فارسی آفلاین داشته باشم
- •کتاب صوتی سادهٔ فارسی روی کامپیوتر خودم بسازم
- •روی رزبریپای گویندهٔ فارسی راه بیندازم
- •در نرم‌افزار خودم API آفلاین تبدیل متن فارسی به گفتار بگذارم
- •بدون اینترنت متن را برای نابینایان بلند بخوانم
برای این کارها سراغش نروید
- –شبیه‌سازی صدای یک شخص خاص
- –صدای احساسی و طبیعی در حد استودیو
- –دوبله و هماهنگی لب
تصاویر محیط ابزار
نقاط قوت
- ✓کاملاً آفلاین و بسیار سبک؛ روی CPU و رزبریپای اجرا میشود
- ✓پنج صدای رسمی فارسی (fa_IR)
- ✓نصب ساده با pip روی ویندوز، مک و لینوکس و سرور HTTP داخلی
- ✓نگهداری فعال: نسخهٔ 1.8.0 در سپتامبر ۲۰۲۶
- ✓امکان آموزش صدای تازه با اسکریپت‌های رسمی
نقاط ضعف
- ✗راه‌اندازی با پایتون (۳.۹ به بالا) و خط فرمان انجام میشود و برنامهٔ گرافیکی ندارد؛ فقط سرور HTTP یک صفحهٔ آزمایش دارد
- ✗صداها کیفیت medium دارند و به طبیعی‌بودن مدل‌های بزرگ نمی‌رسند
- ✗شبیه‌سازی صدا و کنترل احساس ندارد
- ✗مجوز داده‌های صدای gyro روشن نیست و موتور جدید GPL-3.0 است
- ✗طبق README، پروژه به دنبال نگهدارنده است
پرسش‌های پرتکرار
کارت گرافیک لازم دارد؟
نه. Piper برای CPU ساخته شده و روی رزبریپای ۴ هم اجرا میشود. کارت گرافیک فقط با گزینهٔ --cuda و بستهٔ onnxruntime-gpu سرعت را بیشتر میکند.
کدام صدای فارسی را انتخاب کنم؟
پنج صدای fa_IR هست: amir، ganji، ganji_adabi، gyro و reza_ibrahim. نمونهٔ همه را در صفحهٔ نمونه‌های Piper گوش کنید. reza_ibrahim دوزبانه است و فارسی و انگلیسی را با هم می‌خواند.
برای کار تجاری مجاز است؟
موتور GPL-3.0 است: استفادهٔ تجاری مجاز است، ولی اگر آن را درون نرم‌افزار خودتان توزیع کنید، شرایط GPL (انتشار کد) شامل حال‌تان میشود. مجوز هر صدا جداست: amir، ganji، ganji_adabi و reza_ibrahim داده‌های CC0 دارند و مجوز gyro روشن نیست. مستندات Piper هم نوشته برای استفادهٔ شخصی و پژوهشی در نظر گرفته شده است.
روی سیستم بدون اینترنت چطور نصبش کنم؟
روی سیستمی با اینترنت، بسته و وابستگیهایش را با pip download piper-tts بگیرید و دو فایل صدا (.onnx و .onnx.json) را از مخزن صداها دانلود کنید. روی سیستم آفلاین با pip install --no-index --find-links نصب کنید و با --data-dir پوشهٔ صداها را بدهید.
می‌توانم در برنامهٔ خودم از آن استفاده کنم؟
بله. سرور HTTP داخلی (python3 -m piper.http_server) روی پورت ۵۰۰۰ فایل WAV برمی‌گرداند؛ API پایتون و کتابخانهٔ C/C++ هم دارد.
نظرات کاربران
هنوز نظری ثبت نشده — اولین نفر باشید!
ابزارهای مشابه
مشاهده همه
مینی‌مکس صدا
MiniMax Audio
بخش صدا و موسیقی MiniMax (minimax.io/audio): تبدیل متن به گفتار طبیعی با Speech 2.8 در ۴۰ زبان از جمله فارسی، طراحی صدا از روی توصیف، کلون از نمونهٔ کوتاه، جداسازی صدا و ساخت آهنگ کامل با Music 3.0.
ویسپر
OpenAI Whisper
مدل متن‌باز تشخیص گفتار OpenAI؛ استاندارد عملی پیاده‌سازی صوت به متن که فارسی را هم خوب می‌فهمد و رایگان روی سیستم خودتان اجرا میشود.
اوپن وب‌یوآی
Open WebUI
رابطی شبیه ChatGPT که روی لپ‌تاپ یا سرور خودتان نصب میشود و به Ollama یا هر API سازگار با OpenAI وصل میشود؛ با گفت‌وگو با اسناد، مدیریت کاربران، LDAP و ورود یکپارچه (SSO).