/ Модель

Характеристики

Лицензия
CC0 1.0
Библиотека
piper
Опубликована
26 мар 2026

piper-de-de-thorsten-medium

Синтез речиТекст → аудио3 профессии

Среднеразмерная модель Piper на базе VITS синтезирует немецкую речь мужским голосом Thorsten Mueller.

28скачиваний за 30 дней0лайковвеса обновлены26 мар 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Trelis публикует среднеразмерную немецкую модель синтеза речи Piper с мужским голосом Thorsten Mueller. Модель построена на архитектуре VITS и преобразует текст в аудио; она предназначена для озвучивания немецких текстов, включая пользовательские приложения и голосовые интерфейсы. Выходное аудио имеет частоту дискретизации 22,05 кГц.

Модель дообучена на наборе данных Thorsten Voice и основана на lessac medium; формат весов — ONNX. Для запуска можно использовать Piper TTS, распространяемый по лицензии GPL, либо ONNX-вариант без зависимости от Piper TTS. Репозиторий модели обозначает лицензию CC0-1.0; README также описывает вариант использования ONNX с MIT-лицензией. «Medium» указывает на размер модели, а не на качество синтеза.

Сценарии применения

  • озвучивание немецких текстов мужским голосом
  • добавление немецкой озвучки в приложения и голосовые интерфейсы
  • локальный синтез немецкой речи из текста через ONNX
  • создание персонализированного голоса на основе дообучения

Ограничения

Модель предназначена для немецкого языка и представляет конкретный мужской голос; в README не приведены оценки качества или результаты сравнительных тестов.

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

Piper TTS: de_DE-thorsten-medium

Medium-size German male voice by Thorsten Mueller.

Model Details

FieldValue
ArchitectureVITS (end-to-end)
FormatONNX
LanguageGerman (Germany)
GenderMale
Model Sizemedium (~63 MB ONNX, ~15M params)
Sample Rate22050 Hz
LicenseCC0 (Public Domain)

Note: Piper uses the terms "medium", "high", etc. to refer to model size, not output quality. Medium models (~63 MB, ~15M params) and high models (~114 MB, ~28M params) both produce 22.05 kHz audio.

Usage

With piper-tts (GPL)

from piper import PiperVoice

voice = PiperVoice.load("model.onnx")
for chunk in voice.synthesize("Hello, this is a test."):
    # chunk.audio_float_array contains float32 audio
    pass

Standalone ONNX (MIT — no piper-tts dependency)

Requires espeak-ng installed (brew install espeak-ng / apt install espeak-ng).

import json, subprocess, numpy as np, onnxruntime as ort, soundfile as sf
from huggingface_hub import hf_hub_download

model_id = "Trelis/piper-de-de-thorsten-medium"
onnx_path = hf_hub_download(model_id, "model.onnx")
config_path = hf_hub_download(model_id, "model.onnx.json")

with open(config_path) as f:
    config = json.load(f)

session = ort.InferenceSession(onnx_path, providers=["CPUExecutionProvider"])
phoneme_id_map = config["phoneme_id_map"]
espeak_voice = config["espeak"]["voice"]

def phonemize(text, voice):
    out = subprocess.run(
        ["espeak-ng", "-v", voice, "-q", "--ipa=2", "-x", text],
        capture_output=True, text=True,
    ).stdout.strip()
    return [list(line.replace("_", " ")) for line in out.split("\n") if line.strip()]

def to_ids(phonemes, pmap):
    ids = [pmap["^"][0], pmap["_"][0]]
    for p in phonemes:
        if p in pmap:
            ids.extend(pmap[p])
            ids.append(pmap["_"][0])
    ids.append(pmap["$"][0])
    return ids

text = "Hello, this is a test."
audio_chunks = []
for sentence in phonemize(text, espeak_voice):
    ids = to_ids(sentence, phoneme_id_map)
    if len(ids) < 3:
        continue
    audio = session.run(None, {
        "input": np.array([ids], dtype=np.int64),
        "input_lengths": np.array([len(ids)], dtype=np.int64),
        "scales": np.array([
            config["inference"]["noise_scale"],
            config["inference"]["length_scale"],
            config["inference"]["noise_w"],
        ], dtype=np.float32),
    })[0]
    audio_chunks.append(audio.squeeze())

audio = np.concatenate(audio_chunks).astype(np.float32)
sf.write("output.wav", audio, config["audio"]["sample_rate"])

Fine-tuning

You can fine-tune this model on your own voice data using Trelis Studio. Piper models can be trained on custom datasets to create personalized voices.

Attribution

Trained on Thorsten Voice dataset by Thorsten Mueller. Fine-tuned from lessac medium.

Re-hosted from rhasspy/piper-voices. Original voice: de_DE-thorsten-medium

Как запустить

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

GPU в ailist

Универсальный рантайм · piper

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
aefc045

0 моделей