/ Модель

Характеристики

Размер весов
5,4 ГБ
Лицензия
Apache 2.0
Архитектура
SPRING_F5 · dense
Базовая модель
F5-TTS
Библиотека
transformers
Опубликована
14 авг 2026

SPRING_F5

Синтез речиТекст → аудио3 профессии

SPRING_F5 — дообученная на многоязычных речевых данных модель F5-TTS для синтеза речи на индийских языках и английском.

1 075скачиваний за 30 дней3лайкавеса обновлены17 авг 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

SPRING_F5 — мультиязычная модель синтеза речи по тексту, разработанная SPRINGLab и созданная дообучением F5-TTS. Она предназначена для озвучивания текста на 23 индийских языках и английском; обучение проводилось примерно на 3 220 часах речевых данных из наборов Rasa, IndicTTS и IndicVoices-R.

Модель подходит для создания озвучки и речевого вывода на поддерживаемых языках. В метаданных указаны архитектура SPRING_F5 и формат PyTorch. Репозиторий распространяется по лицензии Apache-2.0. В доступных сведениях не приведены ограничения по длине входного текста и оценки качества синтеза.

Сценарии применения

  • озвучивание текста на хинди и других индийских языках
  • создание английской речи из текста
  • генерация многоязычной голосовой озвучки
  • добавление синтеза речи в приложения для языков Индии

Ограничения

В README и метаданных не указаны ограничения по длине текста или количественные оценки качества синтеза.

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

SPRING_F5: Fine-tuned F5-TTS for 23 Indian Languages & English

SPRING_F5 is a multilingual text-to-speech (TTS) model based on F5-TTS, fine-tuned to support 23 Indian Language & English.

Supported Languages

SPRING_F5 supports the following 24 languages:

  • Assamese, Bengali, Bodo, Gujarati, Hindi, Kannada, Kashmiri, Konkani, Maithili, Malayalam, Manipuri, Marathi, Nepali, Odia, Punjabi, Sanskrit, Santali, Sindhi, Tamil, Telugu, Urdu, Dogri, Rajasthani and English

🚀 Installation

We recommend using a dedicated Conda environment.

conda create -n springf5 python=3.10 -y
conda activate springf5
pip install git+https://github.com/ArigalaAdarsh/SPRING_F5.git
from transformers import AutoModel
import numpy as np
import soundfile as sf

# Load INF5 from Hugging Face
repo_id = "SPRINGLab/SPRING_F5"
model = AutoModel.from_pretrained(repo_id, trust_remote_code=True)

# Generate speech
audio = model(" 2026 లో ఈ project లో మా ultimate goal ఏంటంటే, ఒక Telugu speaker తన daily conversation లో naturally English words ఉపయోగించినప్పుడు, మన T T S system కూడా అదే style ని understand చేసి, unnecessary pauses లేకుండా చాలా smooth మరియు natural speech ని generate చేయాలి.", 
            ref_audio_path="prompt_audios/example1_te.wav",
            ref_text="వందేభారత్ రైలు ఆధునిక భారతదేశం యొక్క వైభవోపేతమైన చిత్రాలలో ఒకటిగా ఉంది",
            lang='te'  # Language ID is used for number-to-Indic word conversion.
                  )

# Normalize and save output
if audio.dtype == np.int16:
    audio = audio.astype(np.float32) / 32768.0
sf.write("generated_audios/outputs/example.wav", np.array(audio, dtype=np.float32), samplerate=24000)

Training Details

SPRING_F5 was trained using 2 × NVIDIA H200 GPUs for approximately two weeks.

We would like to sincerely thank C-DAC for providing the computational resources required to train this model.

We used the F5-TTS Base configuration, with approximately 330M parameters, following the model configuration described in the original F5-TTS work.

Training Data

The model was trained on approximately 3,220 hours of high-quality speech data collected from the following datasets:

These datasets provide diverse multilingual speech data covering the Indian languages supported by SPRING_F5.


References

We would like to express our sincere gratitude to the authors and contributors of F5-TTS for their valuable contributions to text-to-speech research and for providing the foundation for this work.

SPRING_F5 builds upon the F5-TTS architecture and training methodology and extends it toward multilingual speech synthesis for Indian languages.

@misc{spring_f5_2026,
  author       = {Adarsh Arigala},
  title        = {SPRING_F5},
  year         = {2026},
  url          = {https://github.com/arigalaadarsh/SPRING_F5},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
SPRING_F5
Ревизия весов
898dd2a

0 моделей