/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts_commonvoice_en_03
Опубликована
21 июн 2023

speecht5_tts_commonvoice_en_04

Синтез речиТекст → аудио3 профессии

Дообученная на LJSpeech модель SpeechT5 преобразует английский текст в речь.

21скачиваний за 30 дней0лайковвеса обновлены12 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.

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_04 — модель синтеза английской речи на базе SpeechT5, дообученная на наборе данных LJSpeech поверх Avitas8485/speecht5_tts_commonvoice_en_03. Она принимает текст и генерирует речь; в README приведено значение loss 0,3719 на наборе оценки. Модель может подойти для озвучивания английского текста и экспериментов с синтезом речи. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • озвучивание английского текста
  • синтез речи из коротких фраз
  • создание голосовых дорожек для приложений
  • эксперименты с синтезом английской речи

Ограничения

README не содержит подробных сведений об ограничениях или предполагаемых сценариях применения; единственный приведённый показатель оценки — loss 0,3719, без дополнительного контекста для его интерпретации.

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_tts_commonvoice_en_04

This model is a fine-tuned version of Avitas8485/speecht5_tts_commonvoice_en_03 on the ljspeech dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3719

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: 4000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
0.41051.3610000.3789
0.4092.7120000.3753
0.40764.0730000.3735
0.40555.4340000.3719

Framework versions

  • Transformers 4.30.0.dev0
  • Pytorch 2.0.1+cu118
  • Datasets 2.13.0
  • 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
7ce7fed

0 моделей