مراجعة Coqui TTS (2026): مجموعة أدوات استنساخ الصوت التي تصونها المجتمع

التاريخ: من Mozilla TTS إلى فرع مجتمعي

ما الذي يفعله Coqui TTS فعليًا

• واجهة متعددة النماذج. فئة Python واحدة TTS() تُحمّل وتُشغّل معماريات نماذج مختلفة، بما فيها نماذج VITS أحادية ومتعددة المتحدثين، ونماذج قائمة على Tacotron2، ونموذج استنساخ الصوت XTTS v2، دون تغيير كود التطبيق المحيط.
• التحويل عبر سطر الأوامر. يُحوّل أمر tts في سطر الأوامر النص إلى كلام مباشرة من الطرفية، ويسرد جميع النماذج المُدرَّبة مسبقًا المتاحة عبر tts --list_models.
• استنساخ الصوت عبر XTTS v2. تمرير وسيطة speaker_wav إلى نموذج XTTS v2 المُحمَّل يستنسخ صوتًا من مقطع صوتي مرجعي قصير، فيولّد كلامًا بهذا الصوت المستنسخ باللغات التي يدعمها XTTS v2.
• مكتبة واسعة من النماذج المُدرَّبة مسبقًا. توفر مجموعة الأدوات وصولًا إلى نماذج مُدرَّبة مسبقًا تُوصف بأنها تغطي أكثر من 1,100 لغة عبر نماذج Fairseq الضخمة متعددة اللغات الكامنة، إلى جانب نماذج منتقاة أعلى جودة للغات محددة.
• تدريب النماذج وضبطها الدقيق. بالإضافة إلى تشغيل النماذج المُدرَّبة مسبقًا، تتضمن مجموعة الأدوات نصوص تدريب وأدوات تحليل مجموعات بيانات لبناء أو ضبط نموذج صوت مخصص — وهي تاريخيًا إحدى أكثر ميزاتها استخدامًا قبل إغلاق خدمة التدريب المُستضافة من Coqui AI.
• الاستدلال المتدفق (streaming) لـXTTS v2. توثّق مجموعة الأدوات التحويل المتدفق منخفض الكمون مع XTTS v2 (تذكره وثائق الفرع المُصان بأنه أقل من 200 ميلي ثانية من الكمون حتى أول صوت)، وهو مفيد لتطبيقات الصوت التفاعلية.

Coqui TTS وXTTS v2: العلاقة بينهما

تثبيت Coqui TTS وتشغيله: خطوة بخطوة

1. 1
   ثبّت الحزمة المُصانة.
   Why it matters: شغّل `pip install coqui-tts` (أو `uv pip install coqui-tts` إذا كنت تستخدم uv) في بيئة Python. ثبّت تحديدًا حزمة `coqui-tts` — وليس اسم الحزمة الأقدم `TTS` الذي يشير إلى المستودع الأصلي غير المُصان الآن.
2. 2
   اعرض النماذج المُدرَّبة مسبقًا المتاحة.
   Why it matters: شغّل `tts --list_models` لرؤية الكتالوج الكامل للنماذج المُدرَّبة مسبقًا المتاحة للتنزيل، منظمةً حسب اللغة والمعمارية (VITS وTacotron2 وXTTS وغيرها).
3. 3
   حوّل النص إلى كلام عبر سطر الأوامر.
   Why it matters: شغّل `tts --text "Hello world" --out_path output.wav` للتحويل بالنموذج الافتراضي، أو أضف `--model_name <النموذج>` لاختيار نموذج محدد من القائمة.
4. 4
   (اختياري) استخدم واجهة Python لاستنساخ الصوت بـXTTS v2.
   Why it matters: حمّل النموذج بـ`TTS("tts_models/multilingual/multi-dataset/xtts_v2").to(device)`، ثم استدعِ `.tts_to_file()` مع وسيطة `speaker_wav` تشير إلى مقطع صوتي مرجعي قصير ووسيطة `language` لاستنساخ صوت.
5. 5
   (اختياري) فعّل تسريع GPU.
   Why it matters: مرّر `gpu=True` إلى دالة الإنشاء `TTS()`، أو استدعِ `.to("cuda")` على كائن النموذج المُحمَّل، لتشغيل الاستدلال على معالج رسومي NVIDIA — وهو أمر مُوصى به لـXTTS v2 الذي يكون أبطأ بشكل ملحوظ على المعالج وحده.
6. 6
   (اختياري) اقبل ترخيص CPML بشكل غير تفاعلي لـXTTS v2.
   Why it matters: يطلب تحميل XTTS v2 لأول مرة خطوة تفاعلية لقبول CPML. اضبط متغير البيئة `COQUI_TOS_AGREED=1` لقبوله بشكل غير تفاعلي، وهو مطلوب للاستخدام غير المُراقَب في حاويات Docker أو خطوط CI.

أمثلة استخدام حقيقية

• قبول CPML بشكل غير تفاعلي للبيئات الآلية: اضبط COQUI_TOS_AGREED=1 قبل أول تحميل لـXTTS v2، حتى لا تتعطل عمليات بناء Docker وخطوط CI عند مطالبة تفاعلية.
• استكشاف المتحدثين واللغات: بعد تحميل نموذج متعدد المتحدثين أو متعدد اللغات، تسرد tts.speakers وtts.languages ما يدعمه النموذج المُحمَّل فعليًا — مفيد للتحقق من المدخلات قبل التحويل.

# سطر الأوامر: عرض النماذج المُدرَّبة مسبقًا المتاحة
tts --list_models

# سطر الأوامر: التحويل بالنموذج الافتراضي
tts --text "Hello world" --out_path output.wav

# سطر الأوامر: التحويل بنموذج محدد
tts --model_name "tts_models/en/ljspeech/tacotron2-DDC" \
    --text "This is a test." --out_path output.wav

# واجهة Python: تحويل أساسي
from TTS.api import TTS

tts = TTS("tts_models/en/ljspeech/tacotron2-DDC")
tts.tts_to_file(text="Hello world", file_path="output.wav")

# واجهة Python: استنساخ الصوت بـXTTS v2 (اقبل CPML بشكل غير تفاعلي أولًا)
# export COQUI_TOS_AGREED=1
import torch
from TTS.api import TTS

device = "cuda" if torch.cuda.is_available() else "cpu"
tts = TTS("tts_models/multilingual/multi-dataset/xtts_v2").to(device)

tts.tts_to_file(
    text="Hola, esto es una prueba.",
    speaker_wav="reference_voice.wav",
    language="es",
    file_path="cloned_output.wav",
)

# واجهة Python: عرض المتحدثين واللغات المتاحة في نموذج مُحمَّل
print(tts.speakers)
print(tts.languages)

الترخيص والتكلفة

فيما لا يصلح Coqui TTS

• البناء على المستودع الأصلي غير المُصان. إذا شغّلت pip install TTS (اسم الحزمة الأصلي) بدلًا من pip install coqui-tts (الفرع المُصان)، فأنت تبني على كود لم يتلقَّ تحديثات منذ أغسطس 2024 — تحقق من الحزمة التي يشير إليها فعليًا أي درس تعليمي أو اعتمادية قبل الاعتماد عليها.
• أسرع تحويل ممكن يعتمد على المعالج فقط. إذا كانت أولويتك هي الكلام في الوقت الفعلي على أجهزة متواضعة مثل Raspberry Pi بلا GPU، فإن Piper مبني خصيصًا لذلك وأبسط في النشر؛ ونماذج Coqui TTS الأكبر، وخصوصًا XTTS v2، أبطأ بشكل ملحوظ على المعالج وحده.
• استنساخ الصوت تجاريًا دون التحقق من ترخيص منفصل. تشغيل XTTS v2 عبر مجموعة أدوات Coqui TTS لا يزال يحمل قيد XTTS v2 الخاص وغير التجاري (CPML) على أوزان النموذج ومخرجاته — ولا يُلغي ترخيص MPL-2.0 لمجموعة الأدوات ذلك. راجع قسم الترخيص والتكلفة أعلاه.
• دعم مؤسسي مضمون طويل الأمد. لم تعد شركة Coqui AI موجودة منذ ديسمبر 2023. يصون الفرع الحالي معهد أبحاث على أساس مجتمعي، وهو نموذج صيانة مختلف عن شركة ممولة بعقد دعم — ضع ذلك في الاعتبار عند اتخاذ قرارات بشأن بنية تحتية إنتاجية حرجة.
• واجهة برمجية واحدة ومستقرة عبر الإصدارات. بما أن التطوير انتقل بين أصل غير مُصان وفرع مُطوَّر بنشاط، تشير بعض الدروس التعليمية وإجابات Stack Overflow ومقالات المدونات على الإنترنت إلى سطح واجهة برمجية أقدم أو اسم الحزمة الأصلي — تحقق من وثائق coqui-tts الحالية بدلًا من نتيجة بحث قديمة.

بدائل Coqui TTS

الأسئلة الشائعة

الحكم النهائي

المصادر

• idiap/coqui-ai-TTS على GitHub — الفرع المُصان فعليًا: README والوثائق والترخيص وسجل الإصدارات.
• coqui-tts على PyPI — البيانات الوصفية المنشورة للحزمة، بما فيها ترخيص MPL-2.0 الحالي وسجل الإصدارات.
• coqui-ai/TTS على GitHub — المستودع الأصلي، غير المُصان الآن (ترخيص MPL-2.0).
• XTTS v2 على Hugging Face — بطاقة النموذج ونص ترخيص CPML لنموذج استنساخ الصوت.
• معهد Idiap للأبحاث — المعهد البحثي السويسري الذي يصون الفرع المجتمعي.

قراءات ذات صلة

• تراخيص TTS المحلي واستنساخ الصوت: Piper وXTTS v2 وF5-TTS وCoqui — التحليل المعمّق للتراخيص عبر أبرز محركات TTS المحلية.
• مراجعة XTTS v2 — تفصيل كامل لنموذج استنساخ الصوت الذي يمكن لهذه المجموعة تشغيله.
• مراجعة Piper TTS — بديل TTS محلي سريع يعتمد على المعالج فقط، تمت مراجعته بالعمق نفسه.
• ElevenLabs مقابل Piper مقابل XTTS v2 — مقارنة السحابة مقابل المحلي للقراء المترددين بشأن الاستضافة الذاتية.
• مراجعة Bark TTS — نموذج TTS محلي معبّر وغير كلامي، تمت مراجعته بالعمق نفسه.