/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Своя лицензия
Архитектура
higgs_multimodal_qwen3 · dense
Базовая модель
higgs-audio-v3-tts-4b
Опубликована
6 сен 2026

higgs-telugu-e4-lora-avg

Генерация текстаТекст → текст3 профессии

Дообученная модель Higgs Audio v3 синтезирует выразительную речь на телугу голосом одного диктора по тексту без референсной записи.

23скачиваний за 30 дней0лайковвеса обновлены6 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Это дообученная версия Higgs Audio v3 размером 4 млрд параметров для синтеза речи на телугу голосом одного диктора. Модель преобразует текст в выразительную речь и может работать с переключением между телугу и английским; референсный аудиофрагмент для генерации не нужен.

Для телугу требуется текст в ISO-15919-транслитерации и тот же frontend.py, который применялся при обучении: без него токенизация может разбивать текст на байтовые фрагменты. В README указано, что это первая исследовательская версия адаптации. Лицензия в метаданных обозначена как other, конкретные условия использования не приведены.

Сценарии применения

  • синтез речи на телугу по тексту
  • генерация речи на телугу с переключением на английский
  • создание озвучки заданным голосом без аудиореференса

Ограничения

Для телугу нужен ввод в ISO-15919-транслитерации и frontend.py, использованный при обучении. Это первая исследовательская адаптация; конкретные условия лицензии 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

Higgs Audio v3 — Telugu single-speaker voice (ISO-romanized fine-tune)

Expressive single-speaker Telugu (code-switch) TTS, fine-tuned from Higgs Audio v3 (4B). Generates this speaker's voice from text with no reference clip.

Frontend matters: Telugu text must be ISO-15919 romanized with the same frontend.py used in training (Telugu tokenizes to byte-fragments otherwise). generate_speech handles the rest.

import torch, torchaudio
from transformers import AutoModelForCausalLM, AutoTokenizer
from frontend import romanize          # shipped in this repo

repo = "BNarayanaReddy/higgs-telugu-e4-lora-avg"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, trust_remote_code=True,
                                             dtype=torch.bfloat16).to("cuda").eval()

text = "హలో, ఈ రోజు ఎలా ఉన్నారు?"
wav = model.generate_speech(romanize(text, "iso"), tok, temperature=0.7, top_p=0.95)
torchaudio.save("out.wav", wav.unsqueeze(0), model.config.sample_rate)

Run #1 of an ISO-romanized single-speaker adaptation. Research use.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
HiggsMultimodalQwen3ForConditionalGeneration
Ревизия весов
5e580b5

0 моделей