Дообученная версия Chatterbox TTS для синтеза речи на языке серер из текста.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Bakugo50/chatterbox-serere-woman — модель синтеза речи на языке серер, созданная дообучением T3 из Chatterbox TTS с помощью LoRA. Она преобразует текст на серер в аудио и предназначена для генерации речи по заданной фразе; в примере запуска также используется reference_wav. В репозитории указаны объединённые веса T3 в формате safetensors и скрипт для инференса. Лицензия — Apache-2.0.
Карточка не сообщает параметры качества или поддерживаемые настройки голоса; для примера инференса требуется reference WAV.
README от автора на Hugging Face, как он его опубликовал
Modèle T3 (Chatterbox TTS) fine-tuné via LoRA pour la synthèse vocale en langue sérère.
pip install -r requirements.txt
python inference.py \
--text "Ten taxu i mbar o mbaxtaan fa nuun xaye no kenu ley i na." \
--reference_wav reference.wav \
--output output.wav
t3_finetuned_merged.safetensors : poids du modèle T3 fusionné (base + LoRA)inference.py : script de génération autonomerequirements.txt : dépendances PythonНа своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
В репозитории нет config.json: не понять архитектуру модели.