/ Модель

Характеристики

Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
TTS_NB
Библиотека
transformers
Опубликована
26 сен 2024

TTS_NB_2

Синтез речиТекст → аудио3 профессии

Контрольная точка SpeechT5 для синтеза армянской речи, предназначенная главным образом для дальнейшего обучения и экспериментов.

26скачиваний за 30 дней0лайковвеса обновлены4 июн 2026

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

Edmon02/TTS_NB_2 — контрольная точка SpeechT5 для синтеза речи на армянском языке, разработанная как преемник Edmon02/TTS_NB. Модель предназначена прежде всего для продолжения обучения, экспериментов с новыми данными и адаптации через Transformers; для публикации демонстраций карточка рекомендует другой чекпойнт. Архитектура — SpeechT5ForTextToSpeech, веса сохранены в safetensors, размер словаря токенизатора — 158.

Обучение обновлено на данных Common Voice 17 для hy-AM и HyVoxPopuli. Для синтеза при инференсе требуется microsoft/speecht5_hifigan. Лицензия — MIT. Карточка указывает ограничения исходного набора HyVoxPopuli: литературный армянский язык и два диктора; поэтому модель может хуже подходить для других вариантов армянского и разнообразных голосов.

Сценарии применения

  • продолжение обучения синтезу речи на армянском языке
  • адаптация модели на новых армянских аудиоданных
  • эксперименты с армянским синтезом речи в Transformers

Ограничения

Для инференса требуется microsoft/speecht5_hifigan. Обучающие данные ограничены литературным армянским и двумя дикторами, что может ограничивать разнообразие акцентов и голосов.

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

Armenian SpeechT5 — training checkpoint (TTS_NB_2)

Recommended base for fine-tuning and experimentation. Successor to Edmon02/TTS_NB with an expanded tokenizer (vocab 158) and updated training on Common Voice 17 hy-AM + HyVoxPopuli.

RoleTraining / research checkpoint
Vocab size158 (vs 113 on speecht5_finetuned_voxpopuli_hy)
Used infine_tune_speecht5.py, notebooks 02, 04, 05

When to use which checkpoint

GoalModel
Publish demos / share inferencespeecht5_finetuned_voxpopuli_hy
Continue training / TRL / new dataTTS_NB_2 (this repo)
ONNX / edge deploymentTTS_NB_ONNX

Load for training

from transformers import SpeechT5Processor, SpeechT5ForTextToSpeech, SpeechT5Config

checkpoint = "Edmon02/TTS_NB_2"
processor = SpeechT5Processor.from_pretrained(checkpoint)
config = SpeechT5Config.from_pretrained(checkpoint)
model = SpeechT5ForTextToSpeech.from_pretrained(checkpoint)

Training data

Lineage

Edmon02/speecht5_finetuned_voxpopuli_hy  (approx. branch)
  → Edmon02/TTS_NB
  → Edmon02/TTS_NB_2  ← you are here
  → Edmon02/TTS_NB_ONNX (export)

Limitations

  • Internal codename (TTS_NB) — not descriptive; consider migrating to armenian-tts-speecht5-train
  • Same domain limits as HyVoxPopuli (literary Armenian, 2 speakers)
  • Requires microsoft/speecht5_hifigan at inference

Citation

@misc{armenian_speecht5_nb2_2024,
  author = {Avetisyan, Edmon},
  title = {Armenian SpeechT5 Training Checkpoint (TTS_NB_2)},
  year = {2024},
  howpublished = {\url{https://huggingface.co/Edmon02/TTS_NB_2}}
}

License

MIT

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
40dc4af

0 моделей