/ Модель

Характеристики

Лицензия
MIT
Опубликована
1 авг 2026

Vaniq-Edge

Синтез речиТекст → аудио3 профессии

Vaniq-Edge — компактная англоязычная модель VITS для локального синтеза речи из текста на устройствах с ограниченными ресурсами.

145скачиваний за 30 дней14лайковвеса обновлены2 авг 2026

Бенчмарки

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

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

Vaniq-Edge — компактная модель синтеза речи, представленная Abiray. Она преобразует английский текст в речь с частотой дискретизации 24 кГц и предназначена для разговорных интерфейсов, микросервисов и устройств с ограниченными ресурсами.

Модель содержит 8,5 млн параметров и основана на архитектуре VITS. Для запуска доступен динамический экспорт ONNX, поддерживающий CPU и CUDA; заявлена работа быстрее реального времени на обычном CPU. В README приведены примеры разговорной, технической и повествовательной речи, а также сравнения качества и скорости с другими TTS-моделями.

Модель ориентирована на английский язык. Лицензия MIT разрешает свободное использование и распространение с соблюдением её условий. Заявления о качестве и быстродействии основаны на тестах автора; независимые результаты и подробности тестовой среды в карточке не приведены.

Сценарии применения

  • озвучивание ответов разговорного бота на английском языке
  • синтез речи для голосового интерфейса на устройстве
  • генерация озвучки для микросервисов
  • озвучивание технических и учебных текстов
  • создание речи для повествовательного аудио

Ограничения

Модель рассчитана на английский язык; подтверждений поддержки других языков в карточке нет. Заявленные показатели качества и скорости описаны автором, а подробная независимая оценка не приведена.

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

🎙️ Vaniq-Edge: Ultra-Low Latency Conversational TTS of 8.5M parameters.

Vaniq-Edge Banner


🎧 Audio Samples

Listen to the model's native 24 kHz generation across different speech contexts:

1. Conversational

"Wait, are you actually being for real? I thought the train left twenty minutes ago!"

2. Technical / Academic

"The asynchronous gradient descent algorithm converges rapidly when paired with adaptive learning rates."

3. Narrative / Audiobook

"Night fell over the quiet valley, and as the cold wind whispered through the ancient pines, a distant light flickered in the dark."

Benchmark Metrics

Vaniq-Edge was benchmarked against popular open-source TTS models (standard VITS, Piper, and Supertonic 3) across four key metrics: quality, intelligibility, storage footprint, and computational efficiency. Tests were conducted using standard 50-word English prompts.

🎭 Audio Quality & Intelligibility

This dashboard compares the predicted naturalness (UTMOS22) and pronunciation accuracy (Whisper WER%). Vaniq-Edge achieves top-tier quality while maintaining competitive intelligibility.

Audio Quality and Intelligibility Audit

⚡ Inference Speed (RTF)

Measured in Real-Time Factor (RTF) — seconds required to generate 1.0s of audio. Lower is faster. Vaniq-Edge runs significantly faster than real-time on a standard CPU and offers lightning-fast performance on GPU.

Inference Speed Audit

💾 Model Footprint & Resource Efficiency

Vaniq-Edge is explicitly optimized for constrained environments, offering a tiny disk footprint compared to high-fidelity alternatives, making it ideal for on-device and mobile deployment.

Model Weight Footprint Audit


Quickstart

1. Install Dependencies

pip install torch torchaudio phonemizer espeakng-loader==0.2.4 num2words scipy huggingface_hub Unidecode

2. Python API

import sys
import torch
import scipy.io.wavfile as wavfile
from huggingface_hub import snapshot_download

# 1. Download model weights & inference script from Hugging Face
model_path = snapshot_download(repo_id="Abiray/Vaniq-Edge")
if model_path not in sys.path:
    sys.path.insert(0, model_path)

# 2. Import VaniqTTS and set device automatically (GPU or CPU)
from inference import VaniqTTS

device = "cuda" if torch.cuda.is_available() else "cpu"
tts = VaniqTTS(model_path, device=device)

# 3. Generate 24kHz Audio
sample_rate, wav_array = tts.synthesize("Hello world! Vaniq-Edge is running locally.")

# 4. Save output
wavfile.write("output.wav", sample_rate, wav_array)

ONNX Runtime

The official verified dynamic export is published directly in this repository. It supports dynamic sequence lengths, CPU/CUDA provider selection, and runs the complete text-to-waveform path without importing PyTorch:

git clone [https://huggingface.co/Abiray/Vaniq-Edge](https://huggingface.co/Abiray/Vaniq-Edge)
cd Vaniq-Edge
python -m pip install -r onnx/requirements.txt
python onnx/inference_onnx.py \
  --text "The complete model now runs through ONNX Runtime." \
  --output sample-onnx.wav \
  --provider cpu \
  --speed 1.0

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
b44ba21

0 моделей