/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
460 млн
Лицензия
MIT
Архитектура
lfm2 · dense
Базовая модель
kani-tts-450m-0.2-pt
Опубликована
20 ноя 2025

Urdu_kaani_TTS

Генерация текстаТекст → текст3 профессии

LoRA-дообученная на урду модель KaniTTS для выразительного озвучивания историй, аудиокниг и других текстов.

107скачиваний за 30 дней1лайквеса обновлены21 ноя 2025

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 «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат 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

TalhaAhmed/Urdu_kaani_TTS — модель синтеза речи на урду, разработанная TalhaAhmed на основе KaniTTS 450M. Модель дообучена с помощью LoRA ранга 8 на наборе данных с парами урду-текста и речи; в метаданных указан набор mahwizzzz/UAT, а в README — TalhaAhmed/urdu-tts-nano-codec. Архитектура — плотная LFM2, около 460 млн параметров; формат весов — Safetensors. Метаданные указывают контекст до 128 000 токенов.

Модель предназначена для выразительного озвучивания историй на урду в стиле каани, а также для аудиокниг, учебных материалов, закадрового голоса и разговорных голосовых интерфейсов. Она принимает текст и генерирует аудио; основным языком является урду. Лицензия — MIT.

По README, лучше всего модель работает с текстом на урду в арабской графике, а выразительность может снижаться на длинных абзацах. Она не оптимизирована для пения и крайних эмоциональных интонаций.

Сценарии применения

  • озвучивание историй на урду в стиле каани
  • создание аудиокниг на урду
  • озвучивание учебных материалов
  • создание закадрового голоса на урду
  • генерация разговорного голоса для голосового помощника

Ограничения

Лучше всего работает с текстом на урду в арабской графике, а на длинных абзацах выразительность может снижаться. Модель не оптимизирована для пения и крайних эмоциональных интонаций.

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

🇵🇰 Urdu Kaani TTS — Talha Ahmed

High-Quality Urdu Text-to-Speech (Kaani Style) using KaniTTS + LoRA Fine-Tuning

This repository contains Urdu Kaani Text-to-Speech (TTS) fine-tuned on the KaniTTS 450M model using a custom Urdu dataset. The goal is to generate story-like, natural, expressive Urdu speech with high clarity.


🎧 Demo Audio

Sample Output (TTS Prediction)


📦 Model Details

FeatureDescription

| Base Model | nineninesix/kani-tts-450m-0.2-pt | | Fine-tuning Method | LoRA (rank=8) | | Dataset Used | TalhaAhmed/urdu-tts-nano-codec | | Language | Urdu | | Model Size | 0.4B parameters | | Format | Safetensors | | Use Case | Stories, narration, expressive reading, general TTS |


📚 Dataset

This model is trained on the following dataset:

🔗 Dataset: https://huggingface.co/datasets/TalhaAhmed/urdu-tts-nano-codec

The dataset contains:

  • Clean Urdu speech
  • Corresponding text
  • Balanced samples
  • Perfect for narration / kahani style

🧠 Training Configuration

✓ Base Model

nineninesix/kani-tts-450m-0.2-pt

✓ LoRA Settings

lora_r: 8
lora_alpha: 16
lora_dropout: 0.05
target_modules:
  - q_proj
  - k_proj
  - v_proj
  - out_proj

✓ Epochs & Optimizer

epochs: 2
optimizer: AdamW
learning_rate: 1e-4
warmup_steps: 500
batch_size: 2

🚀 How to Use

🔧 Install Dependencies

pip install transformers datasets soundfile torch

🎤 Inference Example (Generate Urdu Audio)

from transformers import pipeline

pipe = pipeline(
    "text-to-speech",
    model="TalhaAhmed/Urdu_kaani_TTS"
)

text = "ایک دن ایک بوڑھا آدمی بازار گیا اور اس نے کہا کہ آج موسم بہت خوشگوار ہے۔"

audio = pipe(text)

with open("output.wav", "wb") as f:
    f.write(audio["audio"])

📁 Repository Structure

Urdu_kaani_TTS/
│── adapter_config.json
│── model.safetensors
│── README.md
│── demo.wav  (optional)
└── config.json

🎯 Intended Use Cases

  • Story Narration (Kahani / Kaani style)
  • Educational content
  • Audiobooks
  • Voiceovers
  • Urdu assistant voices
  • Conversational TTS

⚠️ Limitations

  • Works best on Urdu script, not Roman Urdu
  • Long paragraphs may reduce expressiveness
  • Not optimized for singing or emotional extremes

📄 License

This model is released under the MIT License.


❤️ Acknowledgements

Special thanks to:

  • 🇵🇰 Urdu TTS research community
  • nineninesix for the KaniTTS base model
  • Hugging Face for computational tools
  • Fine-tuning setup created by Talha Ahmed

🙋 Support & Contact

If you want help integrating Urdu TTS into FastAPI, Streamlit, or production apps:

📧 Email: talhahmedrk@gmail.com 💼 GitHub: EnggTalha

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Lfm2ForCausalLM
Ревизия весов
9f09593

0 моделей