Характеристики

Лицензия: MIT
Опубликована: 18 мар 2026

Ссылки

Hugging Face

piper-voice-ur-fasih

IhorShevchuk

Синтез речиТекст → аудио

Среднекачественный голос Piper для преобразования текста на урду в речь мужским голосом.

248скачиваний за 30 дней6лайковвеса обновлены3 окт 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

IhorShevchuk подготовил среднекачественный голосовой чекпойнт Piper для синтеза речи на урду. Модель принимает текст и генерирует речь мужским голосом; для фонемизации используется eSpeak с поддержкой урду, частота дискретизации — 22 050 Гц. Чекпойнт основан на инициализации модели для хинди и адаптирован для урду.

Модель предназначена для озвучивания фраз на урду, в том числе в задачах доступности и голосового вывода приложений. Для смешанного текста на урду и английском качество может снижаться. Репозиторий содержит веса ONNX; лицензия — MIT.

Сценарии применения

озвучивание текста на урду
голосовой вывод в приложениях
создание аудиоверсий коротких текстов на урду
синтез речи для задач доступности

Ограничения

Качество может снижаться на смешанном тексте на урду и английском. В карточке заявлено среднее качество голоса.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Urdu Male Voice — Piper TTS (medium)

Urdu text-to-speech voice for Piper.

Overview

Language: Urdu (ur_PK)
Voice: Male
Quality: Medium
Phonemizer: eSpeak (ur)
Sample rate: 22050 Hz
Current version: v2 (October 2026)

Listen

Text	Audio
قوس قزح، جسے قوس قزح یا رنگوں کی قوس قزح بھی کہا جاتا ہے، ایک قدرتی طبعی رجحان ہے جو بارش کے قطرے کے ذریعے سورج کی روشنی کے اضطراب اور پھیلاؤ کے نتیجے میں ہوتا ہے۔
یہ ایک سادہ جملہ ہے۔
کیا آپ ٹھیک ہیں؟
میرے پاس 3 کتابیں ہیں۔
میں نے ایک نیا لیپ ٹاپ خریدا۔
آج موسم بہت اچھا ہے اور ہم باہر جا سکتے ہیں۔

Optimized Inference Parameters

Parameter	Value	Description
noise_scale	0.667	Expressiveness / variation
noise_w	0.8	Phoneme duration variation
length_scale	1.0	Speaking speed

Usage

echo 'یہ ایک سادہ جملہ ہے۔' | piper \
  --model ur_PK-fasih-medium-model.onnx \
  --config ur_PK-fasih-medium-model.onnx.json \
  --output_file output.wav

Training Details

v2 (October 2026):

Base model: v1 of this voice (epoch=3206-step=383452.ckpt), full-model fine-tune
Dataset: Urdu recordings by Muhammad Noman (same speaker), 11,998 curated clips (~15 h) drawn from his speech collection (Urdu_Audio-Realistic), used with the contributor's approval
Training: steps 383,452 -> 473,452 on an Apple M4 Mac mini (CPU, batch 8)
Final checkpoint: checkpoint/epoch=3240-step=473452.ckpt (val_mel 0.4129)
Listening check: 3.3/5 vs 2.1/5 for v1 on the same 10 Urdu sentences (blind re-scoring by the CSUN 2027 paper's Urdu reviewer)

v1:

Base model: Hindi (hi_IN) medium (Rohan) checkpoint
Base checkpoint: epoch=3190-step=309852.ckpt https://huggingface.co/datasets/rhasspy/piper-checkpoints/tree/main/hi/hi_IN/rohan/medium
Dataset: UAT (Urdu)
Training checkpoint: epoch=3206-step=383452.ckpt
Hardware: Apple M4 Mac mini

Notes

Trained on Urdu dataset with eSpeak phonemization.
Based on Hindi model initialization, adapted for Urdu speech.
Quality may vary on mixed-language input (Urdu + English).

License

MIT

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: 34436ca