/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Библиотека
transformers
Опубликована
4 дек 2024

speecht5_finetuned_commonvoice_polish_500_10k

Генерация аудиоТекст → аудио

Дообученная на Common Voice 17.0 модель SpeechT5 синтезирует польскую речь из текста.

9скачиваний за 30 дней0лайковвеса обновлены4 дек 2024

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Синтез речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

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

Модель Dawid511/speecht5_finetuned_commonvoice_polish_500_10k — дообученная версия microsoft/speecht5_tts для синтеза польской речи из текста. Она основана на архитектуре SpeechT5 и обучена на датасете Common Voice 17.0; в карточке указана оценка Loss 0,4781 на тестовой выборке. Модель предназначена для преобразования польского текста в аудио. Распространяется в формате safetensors по лицензии MIT.

Сценарии применения

  • синтез польской речи из текста
  • озвучивание польских фраз и предложений
  • создание аудиоверсий польских текстов

Ограничения

В карточке не приведены сведения о качестве и ограничениях модели; указан только Loss 0,4781 на тестовой выборке.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

speecht5_finetuned_commonvoice_polish_500_10k

This model is a fine-tuned version of microsoft/speecht5_tts on the common_voice_17_0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4781

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 4
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • training_steps: 500
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
0.6370.34311000.5519
0.58810.68612000.5249
0.5491.02923000.5027
0.5281.37224000.4843
0.51611.71535000.4781

Framework versions

  • Transformers 4.46.2
  • Pytorch 2.5.1+cu121
  • Datasets 3.1.0
  • Tokenizers 0.20.3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechT5ForTextToSpeech
Ревизия весов
41513e6

0 моделей