/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts_commonvoice_en_05
Опубликована
6 июл 2023

speecht5_tts_commonvoice_en_06

Синтез речиТекст → аудио3 профессии

Дообученная на LJSpeech модель SpeechT5 преобразует английский текст в аудио.

92скачиваний за 30 дней0лайковвеса обновлены19 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_06 — дообученная на датасете LJSpeech модель SpeechT5 для синтеза речи из текста. Она принимает текст на английском языке и генерирует аудио; в карточке указана оценка Loss 0,3607 на наборе для оценки. Модель построена на архитектуре SpeechT5 и опубликована в форматах PyTorch и Safetensors.

Модель подходит для преобразования английского текста в речь. Она распространяется по лицензии MIT. В карточке нет подробностей о качестве и характеристиках генерируемого голоса; оценка Loss сама по себе не позволяет судить о разборчивости и естественности синтеза.

Сценарии применения

  • синтез английской речи из текста
  • озвучивание английских фраз и предложений
  • создание речевого аудио для приложений и прототипов

Ограничения

Карточка сообщает только значение Loss на наборе оценки и не описывает разборчивость или естественность синтеза. Поддержка других языков не заявлена.

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_06

This model is a fine-tuned version of Avitas8485/speecht5_tts_commonvoice_en_05 on the ljspeech dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3607

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: 8000

Training results

Training LossEpochStepValidation Loss
0.40091.3610000.3658
0.39392.7120000.3648
0.39764.0730000.3635
0.39755.4340000.3624
0.38786.7850000.3613
0.39568.1460000.3612
0.39479.570000.3608
0.385410.8580000.3607

Framework versions

  • Transformers 4.31.0.dev0
  • Pytorch 2.0.1+cu118
  • Datasets 2.13.1
  • 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
61b62ca

0 моделей