/ Модель

Характеристики

Параметры
3,5 млн
Лицензия
CC BY 4.0
Архитектура
vits · dense
Базовая модель
mms-tts-uzb-script_cyrillic
Опубликована
23 фев 2026

mms-tts-uzbek-girl-voice_cyrillic

Синтез речиТекст → аудио3 профессии

Дообученная VITS-модель преобразует узбекский текст кириллицей в речь женским голосом.

194скачиваний за 30 дней0лайковвеса обновлены23 фев 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 «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

Модель MuzaffarSharofitdinov/mms-tts-uzbek-girl-voice_cyrillic — дообученная Muzaffar модель синтеза речи на основе VITS из проекта Facebook MMS. Она преобразует узбекский текст, записанный кириллицей, в речь женским голосом; для латинского текста README предлагает предварительную транслитерацию. Модель обучена на 1461 примере с одним диктором, а частота дискретизации аудио составляет 16 кГц. В метаданных указано 3,5 млн параметров.

Модель предназначена для озвучивания узбекских текстов, в том числе с корректным произношением буквосочетаний o' и g'. Обучение выполнено на датасете Beehzod/UzTTS_data методом полного GAN-дообучения VITS. Лицензия CC BY 4.0 разрешает использование при указании источника.

Сценарии применения

  • озвучивание узбекских текстов кириллицей
  • создание женской голосовой озвучки на узбекском языке
  • синтез речи из узбекского текста для аудиоматериалов
  • озвучивание латинского узбекского текста после транслитерации в кириллицу

Ограничения

Модель обучена на одном женском голосе и небольшом наборе из 1461 примера, поэтому разнообразие голосов ограничено. Латинский текст требует предварительной транслитерации в кириллицу.

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

🇺🇿 Uzbek TTS — Fine-tuned VITS Model

O'zbek tili uchun fine-tuned text-to-speech modeli. Facebook MMS-TTS (Cyrillic) modelini Beehzod/UzTTS_data dataseti bilan to'liq GAN training orqali fine-tune qilingan.

Model haqida

ParametrQiymat
Base modelfacebook/mms-tts-uzb-script_cyrillic
Training datasetBeehzod/UzTTS_data (1461 namuna, bitta speaker)
Training steps8000
Batch size64
Learning rate2e-5
Training frameworkTransformers VITS Trainer (to'liq GAN)
Mel loss (boshlang'ich)0.567
Mel loss (yakuniy)0.414

Training arxitekturasi

To'liq VITS GAN training:

  • Generator — matndan audio sintez
  • Discriminator — MultiPeriod + MultiScale
  • Feature matching loss
  • KL divergence loss
  • Mel-spectrogram loss

Foydalanish

Model Kirilcha matn bilan ishlaydi. Lotin matnni Kirilga o'girish uchun quyidagi funksiyadan foydalaning:

from transformers import VitsModel, AutoTokenizer
import torch
import soundfile as sf

# Modelni yuklash
tokenizer = AutoTokenizer.from_pretrained("MuzaffarSharofitdinov/mms-tts-uzbek-girl-voice_cyrillic")
model = VitsModel.from_pretrained("MuzaffarSharofitdinov/mms-tts-uzbek-girl-voice_cyrillic")
model.eval()

# Lotin → Kiril konvertatsiya
LAT2CYR = {
    "sh": "ш", "ch": "ч", "ng": "нг", "g'": "ғ", "o'": "ў",
    "yo": "ё", "yu": "ю", "ya": "я", "ts": "ц",
    "a": "а", "b": "б", "v": "в", "g": "г", "d": "д",
    "e": "е", "z": "з", "i": "и", "y": "й", "k": "к",
    "l": "л", "m": "м", "n": "н", "o": "о", "p": "п",
    "r": "р", "s": "с", "t": "т", "u": "у", "f": "ф",
    "x": "х", "q": "қ", "h": "ҳ", "j": "ж", " ": " ",
    "'": "", '"': "",
}

def latin_to_cyrillic(text):
    text = text.lower()
    result = ""
    i = 0
    while i < len(text):
        if i + 1 < len(text) and text[i:i+2] in LAT2CYR:
            result += LAT2CYR[text[i:i+2]]
            i += 2
        elif text[i] in LAT2CYR:
            result += LAT2CYR[text[i]]
            i += 1
        else:
            i += 1
    return result

from IPython.display import Audio, display

def speak(text_latin, output_file="output.wav"):
    text_cyrillic = latin_to_cyrillic(text_latin)
    inputs = tokenizer(text_cyrillic, return_tensors="pt")
    with torch.no_grad():
        audio = model(**inputs).waveform.squeeze().numpy()
    sf.write(output_file, audio, model.config.sampling_rate)
    display(Audio(output_file))
    return audio

# Lotin matn bilan foydalanish
speak("salom, o'zbekiston!")
speak("bugun havo juda yaxshi, tashqarida quyosh chiqdi")
speak("men sun'iy intellekt yordamida yaratilgan ovozman")

Izohlar

  • Model bitta ayol ovozi bilan o'qitilgan
  • Kiril alifbosi asosida ishlaydi, lotin matnni avtomatik konvertatsiya qilish mumkin
  • Audio chiqish: 16000 Hz
  • o', g' kabi o'zbek harflari to'g'ri talaffuz qilinadi

Litsenziya

CC BY 4.0 — erkin foydalanish mumkin, manba ko'rsatilishi kerak.

Muallif

Muzaffar — O'zbek TTS loyihasi

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
VitsModel
Ревизия весов
6b7d5ee

0 моделей