/ Модель

Характеристики

Размер весов
16,2 ГБ
Базовая модель
F5-TTS
Опубликована
12 фев 2025

F5-TTS-Arabic

Синтез речиТекст → аудио3 профессии

Экспериментальный чекпойнт F5-TTS для синтеза арабской речи, предназначенный в основном для дальнейшего дообучения.

165скачиваний за 30 дней27лайковвеса обновлены13 ноя 2025

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

Ibrahim Salah дообучает F5-TTS для синтеза арабской речи по тексту. Модель основана на SWivid/F5-TTS и обучалась на датасетах MBZUAI/ClArTTS и Mozilla Common Voice 17. README указывает, что текущая версия ориентирована прежде всего на современный литературный арабский язык (MSA); автор рассчитывает расширить поддержку региональных вариантов по мере продолжения обучения.

Доступны временные контрольные точки, включая чекпойнт на шаге 380 000. Автор предупреждает, что они пока не дают аудио высокого качества и предназначены главным образом для продолжения дообучения. Для использования рекомендуется отключить EMA параметром use_ema=False и подавать чистую референсную аудиозапись. Модель распространяется в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • эксперименты с синтезом речи на современном литературном арабском
  • продолжение дообучения F5-TTS на арабских аудиоданных
  • генерация речи по арабскому тексту для проверки промежуточного чекпойнта

Ограничения

Автор сообщает, что доступные временные чекпойнты пока не обеспечивают высокого качества аудио и предназначены прежде всего для продолжения дообучения. README отмечает поддержку MSA и необходимость чистой референсной аудиозаписи; качество может зависеть от данных и остаётся незавершённой работой.

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

F5-TTS: Fine-Tuned Arabic Speech Synthesis Model

Improved version of the model can be found here https://huggingface.co/IbrahimSalah/Arabic-F5-TTS-v2

Update 1

the model can not produce high quality audio, the main goal of it is to provide a chekpoint to continue the fine tunning process from. when using please set use_ema=False as it affects the quality. Here is a notebook to try it quickly : https://colab.research.google.com/drive/1kX7HB05CouHa5A-4Wy0UPqMuW4APqDBr?usp=sharing

Update 0

three checkpoints has bee added to the repo , the 380000 is the last , more data is needed to get better results so I will stop the fine tunning till getting more data and then i will proceed the fine tunning.

Overview

This project fine-tunes the F5-TTS model for high-quality Arabic speech synthesis, incorporating regional diversity in pronunciation and accents. The fine-tuning process is ongoing, and temporary checkpoints are provided as progress updates. Future iterations will include improved models with enhanced accuracy and naturalness.

Samples for now

'''

1- "لكن على ما يبدو ان هناك تصاعد غير مسبوق للاحداث."

2- "لذلك يجب علينا الإتحاد فى وجه كل الصدامات التى قد تؤثر علينا."

3- "كان هناك الكثير من التحديات للوصول إلى الدقه المطلوبة."

''' 1-

2-

3-

License

This model is released under the CC BY-NC 4.0 license, which allows free usage, modification, and distribution for non-commercial purposes.

Datasets

Training is based on the MBZUAI/ClArTTS so basically the model support MSA

Model Information

  • Base Model: SWivid/F5-TTS
  • Current Status: Ongoing fine-tuning (Temporary Checkpoints Available)
  • (Final training parameters will be updated upon completion of fine-tuning.)

Usage Instructions

To use the fine-tuned Arabic model, follow these steps:

Usage

  • GitHub Repository: Follow the F5-TTS setup instructions, but replace the default model with the Arabic checkpoint and vocabulary files provided here.

Contributions & Collaboration

This model is a work in progress, and community contributions are highly encouraged! Suggestions, improvements, and dataset contributions are welcome to refine its performance across different Arabic dialects.

Recommendations for Better Results

  • Use clear reference audio with minimal background noise.
  • Ensure balanced audio levels for improved synthesis quality.
  • Contributions in dataset expansion and model evaluation are highly valuable.

Acknowledgment

  • This work is done using Zewail City of science and technology machine

If you have any questions or suggestions, feel free to reach out! 🚀

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
a344f8b

0 моделей