/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
460 млн
Лицензия
Apache 2.0
Архитектура
lfm2 · dense
Опубликована
25 дек 2025

kani-tts-400m-0.3-tr

Генерация текстаТекст → текст3 профессии

Турецкая многоголосая модель синтеза речи на базе Kani-TTS 400M для озвучивания текстов голосами sıla и taha.

43скачиваний за 30 дней7лайковвеса обновлены25 дек 2025

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 «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат 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

Anilosan15/kani-tts-400m-0.3-tr — турецкая дообученная версия Kani-TTS 400M на архитектуре LFM2. Разработчик адаптировал модель на примерно 61 час многоголосых турецких аудиоданных из публичных YouTube-каналов, подготовленных с сегментацией, очисткой и выравниванием транскриптов. В обучении использованы два голоса, обозначаемые тегами sıla и taha.

Модель преобразует текст в турецкую речь и предназначена для озвучивания повествовательных текстов и закадрового голоса. Дообучение нацелено на улучшение турецкого произношения, просодии и естественности; теги голосов позволяют выбирать между двумя голосами. Размер — около 460 млн параметров, нативный контекст — 128 000 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Карточка не сообщает о независимой оценке качества, поэтому пригодность синтеза для конкретных сценариев стоит проверять на собственных текстах. Модель обучена на данных, собранных с публичных YouTube-каналов; условия использования этих аудиоданных в карточке не раскрыты.

Сценарии применения

  • озвучивание повествовательных текстов на турецком языке
  • создание турецкого закадрового голоса
  • синтез речи на турецком с выбором одного из двух голосов

Ограничения

Модель обучена на повествовательной речи и двух голосах, поэтому качество в других стилях и для иных голосовых характеристик не подтверждено. Условия использования аудиоданных, собранных с YouTube, в карточке не раскрыты.

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

Kani-TTS 400M v0.3 (Turkish Fine-tuned)

This model is a Turkish fine-tuned version of Kani-TTS 400M, adapted to the Turkish language using custom multi-speaker speech data collected from publicly available YouTube channels.

The primary goal of this fine-tuning is to improve Turkish pronunciation, prosody, and naturalness, enabling the base model to speak Turkish fluently.


🔊 Training Data

The training data was prepared via YouTube scraping and manual preprocessing (audio segmentation, cleaning, and transcript alignment).

🎤 Speakers

Speaker TagSource ChannelGenderDuration
sılahttps://www.youtube.com/@BirDinleFemale~33 hours
tahahttps://www.youtube.com/@seslifikiristasyonuMale~28 hours
  • Total duration: ~61 hours
  • Language: Turkish (tr-TR)
  • Domain: Narration / voice-over style speech

Speaker tags are explicitly used during training to enable multi-speaker inference.


🧠 Training Details

  • Base model: Kani-TTS 400M
  • Training type: Fine-tuning
  • Objective:
    • Improve Turkish language capability
    • Adapt pronunciation and phoneme alignment
    • Preserve speaker identity via speaker tags
  • Data source: Publicly available YouTube content
  • Audio length: ~3s – 20s segments

📜 License & Usage Notice (Academic / Non-Commercial)

This model is released strictly for academic research and experimental purposes.

  • The model is not intended for commercial use.
  • Commercial deployment, resale, or use in revenue-generating products or services is explicitly prohibited without prior permission.
  • The training data was derived from publicly accessible online sources and was used for research and educational objectives only.
  • Users are responsible for ensuring compliance with applicable laws, platform terms, and ethical guidelines when using this model.

By using this model, you agree that it is provided “as-is”, without warranties of any kind, and solely for non-commercial academic use.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Lfm2ForCausalLM
Ревизия весов
a8b45f2

0 моделей