使用
Linux x86_64
需要先準備
- 執行環境:
Python 3.10 or newer,PyTorch 2.1 or newer - 可選用 GPU
uv tool install neurobrix
uv tool install neurobrix
README 與實測不符之處
- README 寫: neurobrix run --model Kokoro-82M --prompt "Hello from NeuroBrix." --output speech.wav
實際可行: 加上 --speaker <voice>,例如 --speaker af_sky;未指定時 Kokoro-82M 會以 ZERO FALLBACK 中止並列出 54 種聲音
確認能用
neurobrix --version輸出應包含「NeuroBrix v0.5.4」。
先試試這個
neurobrix doctor先執行 neurobrix doctor 檢查設定。
它能做什麼
- 將文字轉為語音已測試
怎麼使用
- 以
neurobrix import hexgrad/Kokoro-82M --accept-license匯入語音模型。 - 執行
neurobrix run --model Kokoro-82M --prompt "<your text>" --speaker af_sky --output <file>.wav。 - 找到含有音訊檔名的 SAVED 那一行。
- 以
- 產生圖片與影片,並放大圖片已測試
怎麼使用
- 以
neurobrix import xinntao/Real-ESRGAN-RealESRGAN_x4plus --accept-license匯入放大模型。 - 執行
neurobrix upscale --model Real-ESRGAN-RealESRGAN_x4plus --input <image> --output <output image>。 - 找到含有放大後檔名的 SAVED 那一行。
- 以
- 執行語言、視覺、語音與影片模型未測試
- 將語音轉錄為文字未測試
pickfit 測到哪一步
Linux x86_64
- 可以安裝
- 可以啟動
- 4 項功能中 2 項可用
- 可離線使用
適合用來
- 使用語音轉文字模型將音訊轉錄為文字
- 從文字合成語音音訊
- 從文字提示生成圖片
- 從文字提示生成影片
- 使用超解析度模型放大圖片
pickfit 怎麼測的
每次測試都從乾淨的機器開始,照上面的步驟執行。 pickfit 怎麼驗證
Linux x86_64
主要功能可用
- 從頭重跑
- 可離線使用
- 檢查於 2026年10月30日
- 版本 0.5.4
測試機器遇到的差異
- README: pip install torch matching hardware then pip install neurobrix
測試中: 在僅有 CPU 的機器上,uv tool install neurobrix 拉取了 torch 2.15.0+cu132 及約 2.4 GB 的 NVIDIA CUDA wheels;doctor 標示此浪費並指向 cpu index 版本 - README: neurobrix import <org>/<name> asks to accept the license
測試中: 加上 --accept-license(或 NBX_ACCEPT_LICENSE=1)重新執行,以非互動方式匯入