/ Модель
Каталог

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts_commonvoice_en
Опубликована
8 июн 2023

Ссылки

Hugging Face

speecht5_tts_commonvoice_en_03

Avitas8485
Синтез речиТекст → аудио3 профессии

Дообученная на LJSpeech модель SpeechT5 преобразует английский текст в речь.

95скачиваний за 30 дней0лайковвеса обновлены14 сен 2023

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.

Открыть конструктор бенчмарка

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

Avitas8485/speecht5_tts_commonvoice_en_03 — модель синтеза речи на базе SpeechT5, дообученная на наборе LJSpeech. Она преобразует английский текст в речь; в метаданных указана архитектура SpeechT5ForTextToSpeech и форматы весов PyTorch и safetensors. На оценочной выборке указана функция потерь 0,3842. Модель выпущена под лицензией MIT.

Сценарии применения

  • озвучивание английского текста
  • создание речевых аудиофрагментов из подготовленных текстов
  • синтез речи для прототипов голосовых приложений

Ограничения

README не описывает ограничения и условия оценки качества; приведено только значение loss на оценочной выборке, которое само по себе не характеризует естественность или разборчивость синтеза.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

speecht5_tts_commonvoice_en_02

This model is a fine-tuned version of Avitas8485/speecht5_tts_commonvoice_en on the ljspeech dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3842

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: 1e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 2000

Training results

Training LossEpochStepValidation Loss
0.42181.3610000.3906
0.41932.7120000.3842

Framework versions

  • Transformers 4.31.0.dev0
  • Pytorch 2.0.1+cu118
  • Datasets 2.12.0
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechT5ForTextToSpeech
Ревизия весов
f3efd2e

0 моделей

    Создать бенчмарк