/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Библиотека
transformers
Опубликована
14 сен 2024

speecht5_finetuned_emirhan_tr

Генерация аудиоТекст → аудио3 профессии

Дообученная версия SpeechT5 для синтеза речи из текста на основе данных Common Voice 13.0.

14скачиваний за 30 дней0лайковвеса обновлены16 сен 2024

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

MohsenABG/speecht5_finetuned_emirhan_tr — дообученная на Common Voice 13.0 модель синтеза речи на основе microsoft/speecht5_tts. Она преобразует текст в аудио и подходит для озвучивания фраз и синтеза речи в приложениях. В оценке указано значение Loss 0.5641. Репозиторий использует архитектуру SpeechT5 и формат safetensors; модель распространяется по лицензии MIT.

Сценарии применения

  • озвучивание текста
  • синтез речи для приложений
  • создание аудиоверсий коротких фраз

Ограничения

README не содержит подробностей о качестве, поддерживаемых голосах и ограничениях применения; значение Loss приведено без описания методики оценки.

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

speecht5_finetuned_emirhan_tr

This model is a fine-tuned version of microsoft/speecht5_tts on the common_voice_13_0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5641

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 4
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • training_steps: 1000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
0.78790.39721000.6982
0.70780.79442000.6603
0.67281.19173000.6420
0.6461.58894000.5979
0.62761.98615000.5954
0.62132.38336000.5852
0.61612.78057000.5805
0.60433.17788000.5701
0.60123.57509000.5624
0.59513.972210000.5641

Framework versions

  • Transformers 4.44.2
  • Pytorch 2.3.0+cu118
  • Datasets 3.0.0
  • Tokenizers 0.19.1

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
328d5cd

0 моделей