/ Модель

Характеристики

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

speecht5_finetuned_facebook_voxpopuli_spanish

Синтез речиТекст → аудио3 профессии

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

127скачиваний за 30 дней7лайковвеса 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

Sandiago21/Speecht5_finetuned_facebook_voxpopuli_spanish — дообученная версия SpeechT5 от Microsoft, подготовленная для синтеза речи из текста на данных VoxPopuli. Модель использует архитектуру SpeechT5 и предназначена для преобразования текстового ввода в речь; в метаданных указана задача text-to-speech. Для оценки приведено значение Loss 0,4355 на оценочной выборке.

Модель подходит для генерации испанской речи из текста. Она опубликована в форматах PyTorch и Safetensors и распространяется по лицензии MIT. Подробные сведения о голосе, качестве звучания, поддерживаемых вариантах испанского и ограничениях применения в карточке не приведены.

Сценарии применения

  • озвучивание испанских текстов
  • создание речевых дорожек для испаноязычных материалов
  • синтез речи для прототипа голосового интерфейса

Ограничения

Карточка не описывает качество и характеристики синтезируемого голоса или ограничения использования; значение Loss на оценочной выборке само по себе не позволяет судить о естественности речи.

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_spanish

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: 0.4355

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: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 4
  • 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: 20

Training results

Training LossEpochStepValidation Loss
0.4841.010740.4623
0.47242.021480.4542
0.46463.032220.4474
0.4634.042960.4451
0.45385.053700.4425
0.45096.064440.4408
0.45487.075180.4412
0.44658.085920.4389
0.45099.096660.4387
0.442410.0107400.4369
0.441511.0118140.4367
0.438612.0128880.4366
0.438313.0139620.4357
0.439614.0150360.4348
0.443215.0161100.4358
0.437816.0171840.4356
0.432117.0182580.4353
0.438118.0193320.4353
0.432519.0204060.4347
0.433620.0214800.4355

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
04cee0e

0 моделей