/ Модель

Характеристики

Размер весов
654 МБ
Лицензия
Apache 2.0
Опубликована
8 апр 2026

IndicVoice-82M

Синтез речиТекст → аудио3 профессии

IndicVoice — модель на 82 млн параметров для синтеза речи на хинди, панджаби и бенгальском языке.

1 826скачиваний за 30 дней3лайкавеса обновлены10 апр 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

IndicVoice — авторская декодерная нейросетевая модель синтеза речи, созданная Кушалом Кантом Биндом из Chandigarh University в рамках GSoC 2026 для Sugar Labs. Модель построена на архитектуре Kokoro-82M с компонентами StyleTTS2 и ISTFTNet и содержит 82 млн параметров.

Модель преобразует текст в речь на хинди и панджаби; бенгальский поддерживается в бета-режиме. Для преобразования текста в фонемы используется встроенный indic-g2p, а для слов вне его словаря предусмотрен переход на espeak-ng. Частота дискретизации синтезируемой речи — 24 кГц.

Модель предназначена для создания озвучки на индийских языках. В README указана лицензия Apache 2.0 для базовой архитектуры Kokoro-82M; метаданные репозитория также указывают Apache 2.0. Отдельные ограничения качества или применения в карточке не описаны.

Сценарии применения

  • озвучивание текстов на хинди
  • озвучивание текстов на панджаби
  • экспериментальный синтез речи на бенгальском
  • создание голосовой озвучки для приложений и учебных материалов

Ограничения

Бенгальский язык обозначен как бета-версия. Для слов, которые не обрабатывает indic-g2p, используется запасной фонемизатор espeak-ng.

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

IndicVoice

A decoder-only neural TTS model for Indian languages, built on the Kokoro-82M architecture with a native Indic G2P frontend.

Author: Kushal Kant Bind — Chandigarh University Project: GSoC 2026, Sugar Labs GitHub: Bindkushal/indic-voice


Quick Start

pip install git+https://github.com/Bindkushal/indic-g2p.git
pip install git+https://github.com/Bindkushal/indic-voice.git
apt-get install espeak-ng
from indicvoice import IndicPipeline
pipeline = IndicPipeline(lang_code="hi", repo_id="Bindkushal/IndicVoice-82M")
for gs, ps, audio in pipeline("नमस्ते दुनिया", voice="af_heart"):
    import soundfile as sf
    sf.write("output.wav", audio, 24000)

Files in This Repo

FileDescription
config.jsonModel architecture config
indicvoice-v1_0.pthModel weights (82M params)
voices/af_heart.ptDefault voice style tensor
voices/af_bella.ptVoice style tensor
voices/am_adam.ptVoice style tensor

Supported Languages

LanguageCodeScriptStatus
HindihiDevanagariReady
PunjabipaGurmukhiReady
BengalibnBengaliBeta
EnglishenRomanReady

Architecture

  • Base: Kokoro-82M (StyleTTS2 + ISTFTNet), Apache 2.0
  • G2P: indic-g2p — native Indic phonemizer
  • Fallback: espeak-ng for OOV words
  • Parameters: 82M
  • Sample rate: 24000 Hz

Citation

@misc{bind2026indicvoice,
  title={IndicVoice: Decoder-Only Neural TTS with Native G2P for Indian Languages},
  author={Kushal Kant Bind},
  year={2026},
  institution={Chandigarh University},
  note={GSoC 2026, Sugar Labs}
}

Acknowledgements

  • hexgrad/kokoro — base TTS architecture (Apache 2.0)
  • AI4Bharat — IndicVoices-R dataset
  • IIT Madras — IndicTTS dataset

License

Apache 2.0

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
2cf8fff

0 моделей