/ Модель

Характеристики

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

speecht5_finetuned_mozilla_foundation_common_voice_13_german

Синтез речиТекст → аудио3 профессии

Дообученная на немецких данных Common Voice 13.0 модель SpeechT5 для синтеза речи из текста.

97скачиваний за 30 дней4лайкавеса 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_mozilla_foundation_common_voice_13_german — дообученная версия SpeechT5 от Microsoft для синтеза речи из текста. Она обучена на немецкой части набора Common Voice 13.0; в карточке приведён результат Loss 0,4527 на оценочной выборке. Модель принимает текст и генерирует аудио. Для синтеза используется архитектура SpeechT5; веса доступны в форматах PyTorch и Safetensors.

Модель подходит для преобразования немецкого текста в речь в приложениях и экспериментах с озвучиванием. Лицензия — MIT. README не содержит подробных сведений о качестве звучания, голосах и ограничениях применения.

Сценарии применения

  • озвучивание немецкого текста
  • генерация речи для немецкоязычных приложений
  • создание аудиоверсий немецких текстов

Ограничения

В README приведён только показатель Loss 0,4527 без подробного описания качества и условий оценки. Нет сведений о доступных голосах и ограничениях использования.

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_mozilla_foundation_common_voice_13_german

This model is a fine-tuned version of microsoft/speecht5_tts on the common_voice_13_0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4527

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: 20

Training results

Training LossEpochStepValidation Loss
0.51651.021930.4883
0.51252.043870.4789
0.49853.065800.4727
0.49634.087740.4701
0.49015.0109670.4656
0.48146.0131610.4611
0.48227.0153540.4588
0.488.0175480.4607
0.46769.0197410.4564
0.466510.0219350.4558
0.465211.0241280.4549
0.461512.0263220.4536
0.471613.0285150.4541
0.46214.0307090.4526
0.466615.0329020.4521
0.459116.0350960.4532
0.460817.0372890.4522
0.460518.0394830.4513
0.458819.0416760.4530
0.456120.0438600.4527

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
7d15819

0 моделей