/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Библиотека
transformers
Опубликована
28 июл 2026

uz-speecht5-own-voice

Генерация аудиоТекст → аудио

Дообученная на неизвестном наборе данных SpeechT5 для синтеза аудио по тексту.

4скачиваний за 30 дней0лайковвеса обновлены28 июл 2026

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

Aynur27/uz-speecht5-own-voice — дообученная модель SpeechT5 от Microsoft для синтеза речи из текста. В карточке указано, что датасет неизвестен; на наборе оценки приведено значение loss 0,6530. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. Подходит для преобразования текста в аудио с использованием SpeechT5; сведения о голосе, языковой поддержке и условиях работы модели в карточке не раскрыты.

Сценарии применения

  • синтез речи из текста

Ограничения

Датасет обучения неизвестен, а карточка не описывает языки и характеристики синтезируемого голоса. Приведён только loss 0,6530 без дополнительного контекста оценки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

uz-speecht5-own-voice

This model is a fine-tuned version of microsoft/speecht5_tts on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6530

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: 4
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 50
  • training_steps: 800
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
5.650733.38101000.7001
4.617066.76192000.6547
4.1807100.03000.6334
4.1335133.38104000.6524
4.1555166.76195000.6574
4.0374200.06000.6506
4.0467233.38107000.6602
3.9265266.76198000.6530

Framework versions

  • Transformers 5.15.0.dev0
  • Pytorch 2.11.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechT5ForTextToSpeech
Ревизия весов
c503a13

0 моделей