/ Модель

Характеристики

Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Библиотека
transformers
Опубликована
7 авг 2026

btts-finetuned

Генерация аудиоТекст → аудио3 профессии

Дообученная SpeechT5 для синтеза речи из текста.

6скачиваний за 30 дней0лайковвеса обновлены7 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Синтез речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

btts-finetuned — дообученная версия SpeechT5 от Microsoft, созданная автором репозитория 1mahfuz. Модель предназначена для синтеза речи по тексту и опубликована в формате safetensors для библиотеки Transformers.

В карточке указано значение loss 0,4562 на оценочном наборе, однако описание набора данных, методики оценки, поддерживаемых языков и характеристик генерируемой речи отсутствует. Модель распространяется по лицензии MIT. Базовая модель — microsoft/speecht5_tts.

Сценарии применения

  • синтез речи по тексту
  • создание голосовых версий текстовых сообщений
  • озвучивание коротких фраз в приложениях

Ограничения

Данные обучения и языки модели не описаны. Приведено значение loss 0,4562, но методика оценки и качество звучания не поясняются.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

btts-finetuned

This model is a fine-tuned version of microsoft/speecht5_tts on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4562

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 4
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • training_steps: 500
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
4.17877.14811000.4949
3.634614.29632000.4822
3.370621.44443000.4647
3.236328.59264000.4819
3.191335.74075000.4562

Framework versions

  • Transformers 5.13.1
  • Pytorch 2.11.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechT5ForTextToSpeech
Ревизия весов
c94d693

0 моделей