/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
parler_tts · dense
Опубликована
29 сен 2026

Thiva-indic

Синтез речиТекст → аудио

Thiva-indic — мультиязычная модель Cortiqa для локального синтеза выразительной речи по тексту на индийских языках и английском.

108скачиваний за 30 дней2лайкавеса обновлены29 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

Thiva-indic — модель синтеза речи от Cortiqa, построенная на основе ai4bharat/indic-parler-tts от AI4Bharat (IIT Madras) и оптимизированная для экосистемы Cortiqa Voice Studio. Это модель архитектуры Parler-TTS в формате FP16, предназначенная для генерации естественной речи по тексту на 16 индийских языках и английском. README заявляет частоту дискретизации 44,1 кГц, выразительную интонацию, а также возможность локальной и офлайн-работы на мобильных устройствах и компьютерах.

Строка описания голоса позволяет задавать характеристики речи, включая стиль, темп и настроение; примеры в карточке охватывают студийную озвучку и новостную подачу. Модель подходит для локальных голосовых интерфейсов, озвучивания текстов и мультиязычного аудиоконтента. Распространяется по лицензии Apache 2.0, допускающей коммерческое использование. Карточка не приводит независимых оценок качества или измерений скорости на конкретном оборудовании.

Сценарии применения

  • озвучивание текстов на хинди и других индийских языках
  • создание английской речи для приложений и контента
  • офлайн-синтез речи на мобильных устройствах
  • студийная озвучка с настройкой темпа и настроения
  • генерация новостной или дикторской речи

Ограничения

Заявления о качестве звучания и работе на мобильных устройствах приведены в README, но независимые оценки и результаты тестирования на конкретном оборудовании отсутствуют. Параметры доступных голосов зависят от текстового описания стиля.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Thiva-indic by Cortiqa (FP16 Studio Quality)

Thiva-indic is a high-fidelity, on-device Text-to-Speech (TTS) model optimized for the Cortiqa Voice Studio ecosystem. It provides clear, natural, and expressive synthetic speech across 17 Indian languages and English.

The model is optimized in FP16 half-precision, reducing memory footprint by over 50 percent while preserving original studio acoustics.

Key Features

  • 17 Languages in One Model: Generates speech in 16 major Indian languages plus English without separate voice packs.
  • Studio-Grade Audio: 44.1 kHz clean sampling rate with natural breathing and human-like intonation.
  • On-Device and Offline Ready: Engineered for local edge/mobile devices (Android, iOS, laptops) with zero server dependencies.
  • Free for Commercial Use: Released under the permissive Apache 2.0 License.

Supported Languages

#LanguageNative ScriptCode
1Hindiहिन्दीhi
2Bengaliবাংলাbn
3Tamilதமிழ்ta
4Teluguతెలుగుte
5Marathiमराठीmr
6Gujaratiગુજરાતીgu
7Kannadaಕನ್ನಡkn
8Malayalamമലയാളംml
9Odiaଓଡ଼ିଆor
10Punjabiਪੰਜਾਬੀpa
11Assameseঅসমীয়াas
12Urduاردوur
13Kashmiriकॉशुर / کٲشُرks
14Nepaliनेपालीne
15Sanskritसंस्कृतम्sa
16Sindhiسنڌيsd
17EnglishEnglishen

Quickstart and Inference

import torch
import soundfile as sf
from parler_tts import ParlerTTSForConditionalGeneration
from transformers import AutoTokenizer

device = 'cuda:0' if torch.cuda.is_available() else 'cpu'
model = ParlerTTSForConditionalGeneration.from_pretrained('cortiqa/Thiva-indic').to(device).half()
tokenizer = AutoTokenizer.from_pretrained('cortiqa/Thiva-indic')
description_tokenizer = AutoTokenizer.from_pretrained(model.config.text_encoder._name_or_path)

prompt = 'नमस्ते! कोर्टिका के थिवा-इंडिक मॉडल में आपका स्वागत है।'
description = 'Divya speaks with a clear, pleasant, natural and articulate voice at a steady pace in a quiet studio.'

desc_inputs = description_tokenizer(description, return_tensors='pt').to(device)
prompt_inputs = tokenizer(prompt, return_tensors='pt').to(device)

with torch.no_grad():
    generation = model.generate(
        input_ids=desc_inputs.input_ids,
        attention_mask=desc_inputs.attention_mask,
        prompt_input_ids=prompt_inputs.input_ids,
        prompt_attention_mask=prompt_inputs.attention_mask,
        temperature=0.8,
        do_sample=True,
    )

audio_arr = generation.cpu().float().numpy().squeeze()
sf.write('output.wav', audio_arr, model.config.sampling_rate)
print('Audio generated: output.wav')

Voice Directing and Style Prompts

Control speaker style, gender, pacing, and mood using the description string:

  • Clean Studio Female: 'Divya speaks with a clear, warm, pleasant and articulate voice at a steady pace in a quiet studio with very clean audio.'
  • Punchy Studio Male: 'Rohit speaks with an energetic, modern, confident and clear male voice in a professional recording booth.'
  • Formal News Narration: 'A female speaker delivers an authoritative, clear and precise news narration with deliberate pacing and zero background noise.'

Attribution and Credits

Thiva-indic is built upon and optimized from ai4bharat/indic-parler-tts developed by AI4Bharat (IIT Madras).

License

This model is licensed under the Apache License, Version 2.0. Free to use, modify, distribute, and integrate into commercial applications.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура parler_tts неизвестна transformers в образе рантайма.

Класс архитектуры
ParlerTTSForConditionalGeneration
Ревизия весов
f523f05

0 моделей