/ Модель

Характеристики

Параметры
3,6 млн
Лицензия
Apache 2.0
Архитектура
vits · dense
Опубликована
24 июл 2026

punjabi-tts-voices

Синтез речиТекст → аудио3 профессии

Набор компактных VITS ONNX-моделей Nam-toon Studio и Gurpreet Singh для синтеза панджабской речи голосами на письме гурмукхи.

75скачиваний за 30 дней0лайковвеса обновлены27 сен 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

Nam-toon Studio и Gurpreet Singh разработали набор нейросетевых моделей синтеза речи на основе VITS, экспортированных в ONNX, для панджаби на письме гурмукхи. Репозиторий содержит женский голос и многоголосую модель с тремя заявленными голосами: разговорным мужским, литературным мужским и женским дикторским. Модели обучены на корпусе Nam-toon-studio/Punjabi-MultiSpeaker-Studio-TTS-Corpus из 145 записей общей длительностью 22,8 минуты; заявленная частота дискретизации — 22 050 Гц.

Модели предназначены для озвучивания панджабского текста, включая локальное и периферийное применение; авторы заявляют целевую задержку менее 50 мс на Raspberry Pi, Apple Silicon и других периферийных устройствах. В метаданных указаны 3,6 млн параметров и лицензия Apache-2.0. README описывает применение через ONNX Runtime.

Небольшой объём обучающих данных может ограничивать качество и разнообразие произношения. Заявленная задержка приведена авторами без описания условий измерения.

Сценарии применения

  • озвучивание текста на панджаби голосом диктора
  • создание разговорной мужской озвучки на панджаби
  • озвучивание литературных и поэтических текстов на панджаби
  • локальный синтез панджабской речи на периферийных устройствах

Ограничения

Обучающий корпус содержит 145 записей общей длительностью 22,8 минуты, что может ограничивать качество и разнообразие произношения. Указанная задержка менее 50 мс не сопровождается условиями измерения.

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

ੴ Punjabi Neural TTS Voices (ਪੰਜਾਬੀ ਆਵਾਜ਼ਾਂ)

High-Fidelity Punjabi Text-to-Speech (VITS ONNX)

Published by Nam-toon Studio & Gurpreet Singh as part of sovereign Indic speech AI research under AMRIT Research OS.

🌟 Model Overview

This repository hosts high-speed, edge-deployable VITS ONNX neural speech synthesis models for Punjabi (Gurmukhi). Built for sub-50ms latency on Raspberry Pi, Apple Silicon, and edge devices.

🎙️ Supported Voices & Dataset Linkage

Trained and aligned on the Nam-toon-studio/Punjabi-MultiSpeaker-Studio-TTS-Corpus (145 clips, 22.8 minutes of 22,050 Hz high-resolution studio speech):

  1. spk1_male_orator: Conversational / Orator Voice (Bhai Ranjit Singh)
  2. spk2_male_literary: Classical Literary & Poetic Voice (Dr. Surjit Patar)
  3. spk3_female_broadcaster: Professional Broadcast Voice (BBC Punjabi Female)

📦 Model Files

  • pa-guru-female.onnx (114 MB): High-quality VITS neural generator.
  • pa-guru-female.onnx.json: Model configuration, sample rate (22,050 Hz), and speaker mapping.
  • pa-guru-multispeaker.onnx (114 MB): Multi-speaker model checkpoint.
  • pa-guru-multispeaker.onnx.json: Multi-speaker metadata.

🚀 Quickstart with Python ONNXRuntime

import onnxruntime as ort
from huggingface_hub import hf_hub_download

# Download model & config
model_path = hf_hub_download('Nam-toon-studio/punjabi-tts-voices', 'pa-guru-female.onnx')
session = ort.InferenceSession(model_path)

print('Model inputs:', [i.name for i in session.get_inputs()])
print('Model outputs:', [o.name for o in session.get_outputs()])

📜 Citation

@misc{namtoon_punjabi_tts_2026,
  author = {Gurpreet Singh (Nam-toon Studio)},
  title = {Sovereign Punjabi Neural Text-to-Speech Voices},
  year = {2026},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/Nam-toon-studio/punjabi-tts-voices}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
VitsModel
Ревизия весов
e3f6fba

0 моделей