/ Модель

Характеристики

Контекст
131 072 токена
Параметры
2,1 млрд
Размер весов
5,1 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
Llama-3.2-3B-Instruct
Библиотека
transformers
Опубликована
10 апр 2025

slim-orpheus-3b-JAPANESE-ft

Генерация текстаТекст → текст3 профессии

Компактная японская модель Orpheus на основе Llama для синтеза речи из текста с выбором из 14 голосов.

412скачиваний за 30 дней1лайквеса обновлены10 апр 2025

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 «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат 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

Slim-Orpheus 3B Japanese — модель синтеза речи на основе Llama, созданная разработчиком Gapeleon путём сокращения исходной модели с 28 до 16 слоёв и обучения на японском языке. Она предназначена для преобразования японского текста в речь с выбором одного из 14 голосов. По карточке, качество звучания различается между голосами: часть оценена как хорошая, часть — как приемлемая или низкая, а один голос отмечен как нестабильный.

Модель содержит 2,1 млрд параметров, использует архитектуру Llama и формат safetensors; заявленная длина контекста — 131 072 токена. Карточка описывает исходный Orpheus как Speech-LLM с потоковой генерацией речи, но не подтверждает, что все приведённые характеристики производительности сохраняются после сокращения модели. Лицензия — Apache-2.0.

Сценарии применения

  • синтез японской речи из текста
  • озвучивание японских реплик разными голосами
  • генерация речи для потоковых приложений
  • создание японской озвучки для приложений и демонстраций

Ограничения

Поддерживает только японский язык и не обучена передавать эмоциональные маркеры. Качество зависит от голоса, а сокращение числа слоёв может снизить некоторые возможности исходной модели.

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

Slim-Orpheus 3B Japanese

Pruned original weights down from 28 -> 16 layers (43% reduction) to speed up inference and reduce memory requirements. Trained in Japanese on 14 voices.

Voices

Below are sample outputs for each voice with quality indicators:

  • ⭐⭐⭐ Good quality
  • ⭐⭐ Okay quality
  • ⭐ Poor quality
  • ⚠️ Unstable

Lyney ⭐⭐⭐

Cyno ⭐⭐⭐

Tighnari ⭐⭐⭐

Kaeya ⭐⭐⭐

Neuvillette ⭐⭐⭐

Kaveh ⭐⭐⭐

Dehya ⭐⭐⭐

Yae Miko ⭐⭐⭐

Layla ⭐⭐

Yoimiya ⭐⭐

Alhaitham ⭐⭐

Zhongli ⭐⭐

Furina ⭐

Arataki Itto ⚠️

Limitations

  • Japanese Only: This model was trained specifically for Japanese language and cannot speak English or other languages
  • No Emote Support: Not trained on emotes/emotional cues like , , etc. that were available in the original model
  • Reduced Parameter Count: While offering faster inference, the reduction from 28 to 16 layers may impact some of the nuanced capabilities of the original Orpheus model
  • Voice Quality Varies: As noted in the voice quality ratings, some voices perform better than others

Orpheus-TTS Model Details:

Code is available on GitHub: CanopyAI/Orpheus-TTS

Orpheus TTS is a state-of-the-art, Llama-based Speech-LLM designed for high-quality, empathetic text-to-speech generation. This model has been finetuned to deliver human-level speech synthesis, achieving exceptional clarity, expressiveness, and real-time streaming performances.

Model Details

Model Capabilities

  • Human-Like Speech: Natural intonation, emotion, and rhythm that is superior to SOTA closed source models
  • Low Latency: ~200ms streaming latency for realtime applications, reducible to ~100ms with input streaming

Original Model Sources

Usage

Check out the Orpheus Colab: (link to Colab) or GitHub (link to GitHub) on how to run easy inference on our finetuned models.

Model Misuse

Do not use our models for impersonation without consent, misinformation or deception (including fake news or fraudulent calls), or any illegal or harmful activity. By using this model, you agree to follow all applicable laws and ethical guidelines. We disclaim responsibility for any use.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
f7bcd5d

0 моделей