/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Опубликована
16 июл 2023

speecht5_finetuned_facebook_voxpopuli_french

Синтез речиТекст → аудио3 профессии

Дообученная на VoxPopuli модель SpeechT5 для синтеза французской речи из текста.

131скачиваний за 30 дней2лайкавеса обновлены12 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

Модель Sandiago21/speecht5_finetuned_facebook_voxpopuli_french — дообученная на датасете VoxPopuli версия SpeechT5 от Microsoft для синтеза речи из текста. Она использует архитектуру SpeechT5ForTextToSpeech и распространяется в форматах PyTorch и Safetensors. Карточка приводит значение функции потерь 0,4379 на оценочной выборке, но не описывает методику оценки или качество звучания.

Модель предназначена для преобразования текста в речь на французском языке. Она выпущена под лицензией MIT. В README не приведены сведения о голосе, поддержке других языков и практических ограничениях синтеза.

Сценарии применения

  • озвучивание французского текста
  • создание французских голосовых сообщений
  • синтез речи для французских аудиоматериалов

Ограничения

README не описывает качество звучания, доступные голоса или ограничения применения; приведено только значение loss 0,4379 на оценочной выборке без методики оценки.

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

speecht5_finetuned_facebook_voxpopuli_french

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: 0.4379

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 30

Training results

Training LossEpochStepValidation Loss
0.48721.015840.4663
0.46562.031680.4642
0.46863.047520.4533
0.45764.063360.4479
0.46585.079200.4485
0.45366.095040.4443
0.45597.0110880.4426
0.4498.0126720.4410
0.44699.0142560.4420
0.456510.0158400.4402
0.442811.0174240.4470
0.441212.0190080.4400
0.443713.0205920.4396
0.439514.0221760.4385
0.446115.0237600.4407
0.440116.0253440.4387
0.440717.0269280.4379
0.435918.0285120.4384
0.433819.0300960.4387
0.432620.0316800.4381
0.440621.0332640.4390
0.43722.0348480.4387
0.435723.0364320.4389
0.430924.0380160.4387
0.44125.0396000.4379
0.435526.0411840.4378
0.431227.0427680.4380
0.432828.0443520.4388
0.428929.0459360.4380
0.429130.0475200.4379

Framework versions

  • Transformers 4.30.0.dev0
  • Pytorch 2.0.1+cu117
  • Datasets 2.13.1
  • 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
5925da5

0 моделей