/ 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-final

Генерация текстаТекст → текст3 профессии

Односпикерная модель преобразует романизированный текст на телугу и английском в выразительную речь голосом одного диктора.

71скачиваний 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 односпикерная модель синтеза речи на телугу, созданная B. Narayana Reddy как дообучение Higgs Audio v3 (4B). Она преобразует текст в выразительную речь голосом одного диктора без референсной аудиозаписи и поддерживает переключение между телугу и английским языками.

Для телугу входной текст нужно предварительно романизировать по ISO 15919 с помощью того же frontend.py, который использовался при обучении; без этого токенизация может нарушаться. Модель основана на плотной мультимодальной архитектуре Higgs с Qwen3 и распространяется в формате safetensors. Лицензия указана как other, конкретные условия в доступных данных не раскрыты.

Сценарии применения

  • озвучивание текста на телугу голосом одного диктора
  • синтез речи с переключением между телугу и английским
  • создание аудиоверсий текстового контента на телугу

Ограничения

Для синтеза на телугу требуется ISO-15919-романизация и frontend.py, использовавшийся при обучении. Это исследовательская адаптация для одного голоса; условия лицензии other в доступных данных не уточнены.

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-final"
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
0bd1d1e

0 моделей