/ Модель

Характеристики

Контекст
131 072 токена
Параметры
3,3 млрд
Размер весов
7,6 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
orpheus-3b-0.1-ft-unsloth-bnb-4bit
Библиотека
transformers
Опубликована
19 июл 2026

aava-tts-persian-3b

Генерация текстаТекст → текст3 профессии

Aava TTS Persian 3B преобразует персидский текст в речь с частотой 24 кГц для прототипирования и экспериментов с доступностью.

1 435скачиваний за 30 дней5лайковвеса обновлены27 июл 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 «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

Aava TTS Persian 3B — модель преобразования текста на персидском языке в речь, разработанная KEYHAN-A на основе Orpheus и адаптера Aava LoRA, объединённого с базовой моделью. Она предназначена для синтеза персидской речи в исследовательских прототипах и экспериментах с доступностью. Модель использует архитектуру LlamaForCausalLM вместе с декодером SNAC; метаданные указывают 3,3 млрд параметров, а README — около 3,78 млрд. Речь генерируется с частотой 24 кГц. Контекст модели — 131 072 токена.

Обучение проводилось на персидских аудиоданных с несколькими источниками и дикторами; в README указаны 492 596 обучающих записей и около 1 905 часов подготовленного материала. Другие языки и переключение между языками не поддерживаются. Длинная генерация может повторяться или не завершаться; идентичность и сходство голоса формально не оценивались, а опубликованных бенчмарков качества, запоминания, задержки и сходства дикторов нет. Лицензия — Apache-2.0.

Сценарии применения

  • озвучивание персидского текста
  • создание персидской речи для прототипов
  • синтез речи для экспериментов с доступностью

Ограничения

Предназначена только для персидского языка; другие языки и переключение между языками не поддерживаются. Длинные генерации могут повторяться или не завершаться, а качество голоса и сходство с дикторами формально не оценивались.

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

Aava TTS · 3B Merged

Ready-to-load Persian Orpheus model with the Aava LoRA merged into the base, trained from nearly 2,500 hours of Persian source audio.

آوا یک مدل تبدیل متن فارسی به گفتار است که خروجی ۲۴ کیلوهرتز تولید می‌کند.

Version License

Quick start

pip install torch transformers snac soundfile numpy
curl -L https://raw.githubusercontent.com/KEYHAN-A/aava-refinement/main/examples/inference.py -o aava_inference.py
python aava_inference.py --text "سلام، من آوا هستم"

The script auto-selects CUDA, Apple MPS, or CPU and downloads KEYHAN-A/aava-tts-persian-3b on first use.

Model card

ArchitectureLlamaForCausalLM + SNAC decoder
Parameters~3.78B
Precisionbfloat16
Storage~7.59 GB, two safetensors shards
Context4,096 tokens
Codec / outputSNAC, mono 24 kHz
LanguagePersian (fa)

This model is the inference-oriented counterpart of the Aava LoRA adapter.

Training

SettingValue
Training records492,596
Tokenized corpus~1,905.3 hours
MethodLoRA, rank 128, alpha 256
Epochs / steps3 / 184,725
Effective batch8
Learning rate1.5e-4
Precisionbfloat16
Reported eval loss4.2045

The ~2,400-hour raw-source total must not be confused with the refined training duration.

Training corpus

The training corpus contains 547,328 multi-source, multi-speaker Persian records under one conditioning label (aava).

The reported eval loss is an internal training metric. Exact transcript duplicates cross the original sequential splits, so the metric is not a clean generalization benchmark.

Intended use and limitations

  • Persian TTS research, prototyping, and accessibility experiments.
  • Other languages and code-switching are unsupported.
  • Long generations can repeat or fail to terminate.
  • Output voice identity and similarity have not been formally evaluated.
  • No v1.0.0 MOS, memorization, latency, or speaker-similarity benchmark exists.
  • Do not use for impersonation, fraud, deceptive media, harassment, or identity abuse.

License

The merged weights are Apache-2.0, following the direct Orpheus/Unsloth base. Orpheus is Apache-2.0 and SNAC is MIT licensed. No upstream endorsement is implied.

Related

Citation

@misc{aava_tts_merged_2026,
  title   = {Aava TTS: Persian Orpheus 3B Merged Model},
  author  = {{KEYHAN-A}},
  year    = {2026},
  version = {1.0.0},
  url     = {https://huggingface.co/KEYHAN-A/aava-tts-persian-3b}
}

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
f4ae95e

0 моделей