/ Модель

Характеристики

Лицензия
MIT
Архитектура
inf5 · dense
Опубликована
18 апр 2026

IndicF5

Синтез речиТекст → аудио3 профессии

IndicF5 — полиглотная модель синтеза речи на 11 языках Индии, способная использовать аудиореференс для управления голосом и просодией.

783скачиваний за 30 дней4лайкавеса обновлены19 апр 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

IndicF5 — полиглотная модель синтеза речи для 11 языков Индии. В README репозиторий представлен как улучшенная документация и упрощённая установка модели AI4Bharat; права на модель принадлежат AI4Bharat. Модель обучена на 1417 часах речи из Rasa, IndicTTS, LIMMITS и IndicVoices-R.

Для генерации речи нужны текст, аудиозапись с образцом голоса и просодии и расшифровка этой записи. Так можно синтезировать речь с характеристиками, ориентированными на референс. Репозиторий содержит веса в формате safetensors; лицензия в метаданных — MIT.

README заявляет поддержку ассамского, бенгальского, гуджаратского, хинди, каннада, малаялам, маратхи, одия, пенджаби, тамильского и телугу. Использовать модель разрешается только для клонирования голосов, на которое получено явное согласие; несанкционированное клонирование запрещено. Заявление о близком к человеческому качестве приведено в карточке модели, но сравнительные оценки качества не указаны.

Сценарии применения

  • синтез речи на языках Индии по тексту
  • создание озвучки с голосовыми характеристиками референсной записи
  • генерация речи на бенгальском, хинди и тамильском
  • озвучивание текстов на ассамском, гуджаратском и маратхи
  • синтез речи на каннада, малаялам, одия, пенджаби и телугу

Ограничения

Для генерации требуются текст референсной аудиозаписи и сама запись; клонировать разрешается только голос с явного согласия его владельца. Сравнительные оценки качества в карточке не приведены.

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

IndicF5: High-Quality Text-to-Speech for Indian Languages

We release IndicF5, a near-human polyglot Text-to-Speech (TTS) model trained on 1417 hours of high-quality speech from Rasa, IndicTTS, LIMMITS, and IndicVoices-R.

IndicF5 supports 11 Indian languages:
Assamese, Bengali, Gujarati, Hindi, Kannada, Malayalam, Marathi, Odia, Punjabi, Tamil, Telugu.

NOTE - All rights goes to AI4Bharact, this repository is meant to improve the documentation and ease of installation.

🚀 Installation

  1. Install the ffmpeg library
sudo apt install ffmpeg

For CPU, download the ffmpeg and add the path to the bin directory in the system variable path. Follow the instructions below to install ffmpeg on CPU

https://www.wikihow.com/Install-FFmpeg-on-Windows

- Download the ffmpeg for windows from https://github.com/GyanD/codexffmpeg/releases/download/7.1.1/ffmpeg-7.1.1-full_build-shared.7z. Please note that torchcodec works with ffmpeg version <=8.0
- Extract the zip file and copy the path to bin file within the folder.
- Add the path to ffmpeg bin files in the System Variables.
  1. Create the environment and install dependencies:

    • CPU
    uv venv python=3.10
    source .venv/bin/activate
    uv pip install git+https://github.com/ai4bharat/IndicF5.git --torch-backend=cpu
    uv pip install torchcodec transformers==4.50.0 --torch-backend=cpu
    
    • GPU
    uv venv python=3.10
    source .venv/bin/activate
    uv pip install git+https://github.com/ai4bharat/IndicF5.git
    uv pip install torchcodec transformers==4.50.0 
    

🎙 Usage

To generate speech, you need to provide three inputs:

  1. Text to synthesize – The content you want the model to speak.
  2. A reference prompt audio – An example speech clip that guides the model’s prosody and speaker characteristics.
  3. Text spoken in the reference prompt audio – The transcript of the reference prompt audio.
  • Download the reference audio file:
wget https://huggingface.co/Aditya02/IndicF5/resolve/main/prompts/PAN_F_HAPPY_00001.wav
  • Code
from transformers import AutoModel
import numpy as np
import soundfile as sf

# Load IndicF5 from Hugging Face
repo_id = "Aditya02/IndicF5"
model = AutoModel.from_pretrained(repo_id, trust_remote_code=True)

# Generate speech
audio = model(
    "नमस्ते! संगीत की तरह जीवन भी खूबसूरत होता है, बस इसे सही ताल में जीना आना चाहिए.",
    ref_audio_path="PAN_F_HAPPY_00001.wav",
    ref_text="ਭਹੰਪੀ ਵਿੱਚ ਸਮਾਰਕਾਂ ਦੇ ਭਵਨ ਨਿਰਮਾਣ ਕਲਾ ਦੇ ਵੇਰਵੇ ਗੁੰਝਲਦਾਰ ਅਤੇ ਹੈਰਾਨ ਕਰਨ ਵਾਲੇ ਹਨ, ਜੋ ਮੈਨੂੰ ਖੁਸ਼ ਕਰਦੇ  ਹਨ।"
)

# Normalize and save output
if audio.dtype == np.int16:
    audio = audio.astype(np.float32) / 32768.0
sf.write("namaste.wav", np.array(audio, dtype=np.float32), samplerate=24000)
print("Audio saved succesfully.")

You can find example prompt audios used here.

Terms of Use

By using this model, you agree to only clone voices for which you have explicit permission. Unauthorized voice cloning is strictly prohibited. Any misuse of this model is the responsibility of the user.

References

We would like to extend our gratitude to the authors of F5-TTS for their invaluable contributions and inspiration to this work. Their efforts have played a crucial role in advancing the field of text-to-speech synthesis.

📖 Citation

If you use IndicF5 in your research or projects, please consider citing it:

🔹 BibTeX

@misc{AI4Bharat_IndicF5_2025,
  author       = {Praveen S V and Srija Anand and Soma Siddhartha and Mitesh M. Khapra},
  title        = {IndicF5: High-Quality Text-to-Speech for Indian Languages},
  year         = {2025},
  url          = {https://github.com/AI4Bharat/IndicF5},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
INF5Model
Ревизия весов
2e5d2a0

0 моделей