/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Библиотека
transformers
Опубликована
8 апр 2025

speecht5_for_thai_tts_v1

Генерация аудиоТекст → аудио3 профессии

Дообученная на тайском корпусе Common Voice модель SpeechT5 для синтеза речи из текста.

100скачиваний за 30 дней0лайковвеса обновлены29 апр 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 «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

SpeechT5-TTS-v1 for Thai — модель синтеза речи из текста, созданная ThuraAung1601 дообучением microsoft/speecht5_tts на наборе Edited Thai Common Voice. Она предназначена для преобразования тайского текста в аудио; в карточке указано значение loss 0.5074 на оценочной выборке. Модель использует архитектуру SpeechT5 и распространяется в формате safetensors.

Модель выпущена под лицензией MIT. Карточка не сообщает сведения о размере модели, длине контекста, голосах, качестве звучания или ограничениях применения.

Сценарии применения

  • озвучивание тайского текста
  • создание тайской речи для приложений и сервисов
  • генерация аудиоверсий тайских материалов
  • синтез речи на тайском языке

Ограничения

В README приведена только метрика loss 0.5074 на оценочной выборке; сведений о качестве звучания, поддерживаемых голосах и иных ограничениях нет.

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-TTS-v1 for Thai

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

  • Loss: 0.5074

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: 1e-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 4000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
0.58470.979410000.5360
0.55921.958920000.5158
0.54692.938330000.5103
0.54793.917740000.5074

Framework versions

  • Transformers 4.52.0.dev0
  • Pytorch 2.6.0+cu124
  • Datasets 3.5.0
  • Tokenizers 0.21.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechT5ForTextToSpeech
Ревизия весов
f8c8b03

0 моделей