Характеристики

Контекст: 131 072 токена
Параметры: 3,3 млрд
Размер весов: 6,6 ГБ
Лицензия: Apache 2.0
Архитектура: llama · dense
Опубликована: 11 дек 2025

Ссылки

Hugging Face

tv-orpheus-v2

Thorsten-Voice

Генерация текстаТекст → текст3 профессии

Немецкая модель Orpheus TTS для синтеза естественно звучащей речи в стиле диктора Thorsten-Voice из текста.

113скачиваний за 30 дней1лайквеса обновлены12 дек 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Thorsten-Voice/tv-orpheus-v2 — немецкая модель синтеза речи проекта Thorsten-Voice, созданная на основе Orpheus TTS и архитектуры Llama. Модель содержит 3,3 млрд параметров и рассчитана на контекст до 131 072 токенов. Это дообученная версия tv-orpheus-v1: сначала базовую модель canopylabs/3b-de-ft-research_release обучили на записях Thorsten-Voice Dataset 2022.10, затем tv-orpheus-v2 дополнительно дообучили на 60 записях нейтральной повседневной речи с частотой 24 кГц.

Модель преобразует немецкий текст в речь, стремясь воспроизводить естественную манеру речи исходного диктора. Она предназначена для озвучивания объяснений, утверждений, вопросов и предложений разной длины; по сравнению с v1 улучшены ритм и интонация длинных фраз. В отдельных случаях возможны артефакты и неожиданные паузы. Весовые файлы представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0; обучающие наборы, указанные в карточке, имеют лицензию CC0.

Сценарии применения

озвучивание немецких объяснений и информационных материалов
синтез немецких утверждений и вопросов
создание озвучки для длинных немецких предложений
генерация нейтральной немецкой речи для аудиоматериалов

Ограничения

В речи иногда возникают артефакты и неожиданные паузы; улучшения ритма и интонации особенно описаны для длинных предложений.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Thorsten-Voice – Orpheus TTS v2 (Mini Fine-Tuned)

Overview

Thorsten-Voice/tv-orpheus-v2 is an improved version of tv-orpheus-v1, further optimized to better match the natural speaking style of the original speaker.

It was fine-tuned using a small, carefully curated mini dataset (60 recordings, TV-24kHz-2025.12-Neutral-FT-Mini) recorded in everyday speech situations, focusing on:

calm explanations
natural pauses
neutral statements
questions
short and long sentences

Training date / codebase reference: December 2025

Training Data

Base Training (v1)

~12,000 recordings
Thorsten-Voice Dataset 2022.10
Sample rate: 24 kHz
License: CC0

Additional Fine-Tuning (v2)

Dataset: Thorsten-Voice/TV-24kHz-2025.12-Neutral-FT-Mini
Number of recordings: 60
Sample rate: 24 kHz
Content: neutral, natural everyday speech
License: CC0 (Public Domain)

The mini dataset was designed to pull the synthesized voice closer to the real speaker, improving authenticity and reducing synthetic artifacts.

Model Lineage

Base model: canopylabs/3b-de-ft-research_release
Intermediate model: Thorsten-Voice/tv-orpheus-v1
Final fine-tuning: 60-sample neutral mini dataset
TTS framework: Orpheus TTS

License Clarification

Model weights:
Licensed under Apache-2.0, inherited from the Orpheus base model.
Training data & voice:
Released under CC0 (Public Domain) by the speaker.

No additional usage restrictions are imposed.

Usage Example

python inference_hf.py \
  --model_path Thorsten-Voice/tv-orpheus-v2 \
  --text "Für mich sind alle Menschen gleich, unabhängig von Herkunft oder Religion." \
  --outfile output.wav

TTS generation script (inference_hf.py) is included in repo (see files) for easier generation of Thorsten-Voice powered by OrpheusTTS.

Notes on Voice Quality

Compared to v1, this model:

sounds closer to the real speaker
uses a more natural rhythm
shows improved intonation in longer sentences
Minor artifacts such as occasional unexpected pauses may still occur and are subject to future refinements.

Acknowledgements

Special thanks to Orpheus TTS and its authors for providing an open and high-quality German TTS foundation.

Orpheus TTS GitHub: https://github.com/canopylabs/orpheus-tts
Base model by: Canopy Labs

Thorsten-Voice Project

Thorsten-Voice is an open voice project aimed at providing freely usable German speech data and models.

Project page: https://www.Thorsten-Voice.de

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: LlamaForCausalLM
Ревизия весов: 9b653ef