/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Библиотека
transformers
Опубликована
2 авг 2026

speecht5_finetuned_voxpopuli_ro

Генерация аудиоТекст → аудио3 профессии

Дообученная на румынскую речь версия SpeechT5 для синтеза аудио по тексту.

10скачиваний за 30 дней0лайковвеса обновлены2 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

23f2003853/speecht5_finetuned_voxpopuli_ro — дообученная версия SpeechT5 от Microsoft для синтеза речи из текста. Модель построена на архитектуре SpeechT5ForTextToSpeech и распространяется в формате safetensors. В метаданных указана задача text-to-audio, а название репозитория указывает на настройку для румынского языка и связь с VoxPopuli; README при этом сообщает, что обучающий датасет неизвестен.

Модель предназначена для преобразования текста в речь. В README приведён результат оценки Loss 0,4394, но без описания набора данных и методики эту оценку нельзя напрямую интерпретировать как качество синтеза. Модель распространяется по лицензии MIT.

Сценарии применения

  • синтез румынской речи из текста
  • озвучивание румынских фраз и коротких текстов
  • создание речевого аудио для приложений и прототипов

Ограничения

README не раскрывает обучающий датасет, intended uses и ограничения; приведённый Loss 0,4394 не сопровождается методикой оценки. Румынская специализация следует из названия репозитория, а не из пояснений README.

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

speecht5_finetuned_voxpopuli_ro

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: 0.4394

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: 8
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 4
  • 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: 200
  • training_steps: 1000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
2.31273.03051000.5046
2.02106.06112000.4666
1.93499.09163000.4549
1.867812.12214000.4557
1.835015.15275000.4458
1.792418.18326000.4420
1.749721.21377000.4426
1.750224.24438000.4408
1.719827.27489000.4381
1.709230.305310000.4394

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
b6e4216

0 моделей