voicetut-egyptian-tashkeel

voicetut-egyptian-tashkeel

朗读埃及阿拉伯语文本，并遵循你写进文本的短元音符号。这是 VoiceTut-TTS 的微调版，保留它的 19 个内置声音和声音克隆，适合应用开发者、旁白配音者和教师。

由 masterofaudio2077 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：一个面向埃及阿拉伯语的文字转语音模型，学会了遵循短元音符号，也就是 tashkeel。它以 OmniVoice 0.6B 模型 VoiceTut-TTS 为起点，用 17,546 条埃及阿拉伯语音频做了微调。训练文本里大约一半的词带有元音符号。你把在意的元音标出来，模型就按标注的样子发音。

适合谁：需要埃及阿拉伯语语音、并想控制一个词怎么读的人。包括应用开发者、旁白配音者和教师。基础模型的声音设置被保留，所以你仍然可以选内置声音，或者用参考音频克隆一个声音。

Industry | Who uses it | How they use it | Example
媒体 | 旁白配音者 | 把脚本变成埃及阿拉伯语语音 | 用选定的声音朗读一个短故事
教育 | 阿拉伯语教师 | 展示标注元音后一个词怎么发音 | 一堂把同一句话带标记和不带标记各放一遍的课
软件 | 应用开发者 | 给应用加上埃及阿拉伯语朗读 | 语言学习应用里的朗读功能
无障碍 | 内容团队 | 按他们想要的准确发音朗读文本 | 用元音符号拼写的人名和生僻词

如果你需要埃及阿拉伯语以外的方言，或者想要不用下载文件的托管语音服务，可以跳过它。

用在哪里：

• 在电脑上运行这些模型文件的你自己的脚本和应用
• 装有 Python 的 Windows、macOS 或 Linux
• 任何已经在用基础 VoiceTut-TTS 模型的工作流

Use case | Who | What they get back
旁白朗读 | 创作者 | 来自埃及阿拉伯语文本的语音音频
发音控制 | 教师 | 按你写的元音朗读的词
声音选择 | 应用开发者 | 19 个内置声音之一，或用参考音频克隆的声音

如何设置：

• Python，用来安装 Hugging Face 客户端
• 按 Hugging Face 的列出，F32 权重约需 2.5 GB 磁盘
• 模型卡，里面有运行它的步骤

1. 安装 Hugging Face 客户端。
2. 把模型文件下载到你的电脑。
3. 打开模型卡，按它的步骤运行模型。

pip install -U huggingface_hub
hf download masterofaudio2077/voicetut-egyptian-tashkeel

如何使用：写下你的埃及阿拉伯语文本，在想要特定发音的词上加短元音符号。选择 19 个内置声音之一，或者给一段参考音频让它模仿。不带元音符号的文本仍然像以前那样可用。可见的模型卡文字里没有运行命令，所以请按模型卡里的步骤来。只克隆你有权使用的声音。

Tool | What it does
Vowel marks | 写进文本的短元音符号，让每个词按标注来读
Built-in voices | 基础模型自带的 19 个声音
Reference clip | 模型可以模仿的一段声音录音
Sample audio | 模型卡上比较基础模型和本模型的音频

示例：你写一句每个词都带元音符号的埃及阿拉伯语短句，选择声音 Ahmed，模型卡的样例就用了它。模型会带着这些元音把句子说出来。去掉符号后，它就像基础模型那样读纯文本。

新手与专家：如果你是新手，同一句话试两遍，一遍带元音符号，一遍不带，然后比较两段录音。再试试第二个声音。

如果你熟悉这个领域：数据含有 9 位说话人的 58.6 小时音频，大约一半的词带元音，所以模型既见过带标记的文本，也见过纯文本。训练时保留了声音提示，这就是内置声音和克隆仍然可用的原因。

带元音符号的埃及阿拉伯语文本
微调后的 OmniVoice 模型
内置声音或参考音频
语音音频

注意事项：这个模型改变的是发音控制，不是声音本身。

• Training data: 17,546 条音频，58.6 小时，9 位说话人
• Language: 埃及阿拉伯语
• Size: 613M 参数，F32 约 2.5 GB
• Voices: 内置 19 个，另可用参考音频克隆
• License: Apache 2.0
• Cost to run: 未提及
• Data it reaches: 下载到你电脑上的模型文件，以及你提供的任何参考音频
• Not for: 埃及阿拉伯语以外的方言，或克隆你无权使用的声音

Hugging Face 上的数据（2026年11月14日）

• 任务：text to speech
• 参数量：613M
• Weights: about 2.5 GB in F32; about 306 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：150
• 点赞：6
• 许可证：apache-2.0
• 语言：ar
• 基于：mohammedaly22/VoiceTut-TTS
• 标签：safetensors, omnivoice, text-to-speech, arabic, egyptian-arabic, tashkeel, diacritics

链接

• 模型：https://huggingface.co/masterofaudio2077/voicetut-egyptian-tashkeel
• 文件：https://huggingface.co/masterofaudio2077/voicetut-egyptian-tashkeel/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download masterofaudio2077/voicetut-egyptian-tashkeel

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。