E2-TTS — модель синтеза речи из текста с поддержкой zero-shot сценария.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
SWivid/E2-TTS — чекпойнт модели синтеза речи E2 TTS, связанный с проектом F5-TTS. Репозиторий содержит веса PyTorch в формате safetensors; в README указана версия E2TTS_Base с шагом обучения 1 200 000. Название исследовательской работы описывает подход как полностью неавторегрессионный zero-shot TTS.
Модель предназначена для преобразования текста в речь, в том числе для zero-shot-сценариев. Метаданные указывают датасет Emilia, но карточка не сообщает поддерживаемые языки, размер модели, длину контекста или подробные условия запуска. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией и ограничивает коммерческое применение.
Карточка не приводит сведений о поддерживаемых языках и качестве синтеза; коммерческое использование ограничено лицензией CC BY-NC 4.0.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Download F5-TTS or E2 TTS and place under ckpts/
ckpts/
F5TTS_v1_Base/
model_1250000.safetensors
F5TTS_Base/
model_1200000.safetensors
E2TTS_Base/
model_1200000.safetensors
Github: https://github.com/SWivid/F5-TTS
Paper: E2 TTS: Embarrassingly Easy Fully Non-Autoregressive Zero-Shot TTS
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · f5-tts
В репозитории нет config.json: не понять архитектуру модели.