/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Опубликована
12 июл 2023

speecht5_finetuned_voxpopuli_Nederlands

Синтез речиТекст → аудио

Модель SpeechT5, дообученная на VoxPopuli для синтеза нидерландской речи из текста.

98скачиваний за 30 дней0лайковвеса обновлены11 сен 2023

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

Ryukijano/speecht5_finetuned_voxpopuli_Nederlands — модель синтеза речи на основе SpeechT5, дообученная на датасете VoxPopuli. Она преобразует текст в аудио и предназначена для генерации речи на нидерландском языке. В метаданных указана архитектура SpeechT5ForTextToSpeech и форматы PyTorch и Safetensors; в README приведено значение loss 0,4888 на наборе оценки.

Модель выпущена под лицензией MIT. README не содержит подробностей о голосах, настройке синтеза или ограничениях; качество и области применения по приведённому значению loss определить нельзя.

Сценарии применения

  • озвучивание текстов на нидерландском языке
  • создание речевой дорожки для нидерландских субтитров
  • генерация нидерландских голосовых подсказок

Ограничения

В README не описаны особенности голоса, режимы использования и ограничения; приведённый loss сам по себе не позволяет оценить качество звучания.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

speecht5_finetuned_voxpopuli_Nederlands

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

  • Loss: 0.4888

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

from transformers import Seq2SeqTrainer

trainer = Seq2SeqTrainer( args=training_args, model=model, train_dataset=dataset["train"], eval_dataset=dataset["test"], data_collator=data_collator, tokenizer=processor, )

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 8
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 16
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 50
  • training_steps: 500

Training results

Training LossEpochStepValidation Loss
0.62661.721000.5448
0.55333.442000.5040
0.54015.163000.4930
0.5356.884000.4898
0.53318.65000.4888

Framework versions

  • Transformers 4.30.2
  • Pytorch 2.0.0
  • Datasets 2.1.0
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechT5ForTextToSpeech
Ревизия весов
56a61ef

0 моделей