/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
piper
Опубликована
26 мар 2026

piper-ru-ru-irina-medium

Синтез речиТекст → аудио3 профессии

Среднеразмерная модель Piper на базе VITS синтезирует русскую речь женским голосом Ирины из текстового ввода.

274скачиваний за 30 дней2лайкавеса 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 подготовила и разместила модель Piper TTS ruRU-irina-medium — среднеразмерный синтезатор русской женской речи с голосом Ирины. Модель основана на архитектуре VITS и сохранена в формате ONNX; она преобразует русский текст в речь с частотой дискретизации 22,05 кГц.

Модель подходит для озвучивания фраз и текстов, создания голосовых интерфейсов и персонализированного синтеза речи. Она дообучена на данных RHVoice для диктора Ирины от модели lessac medium; обозначение medium характеризует размер модели, а не качество звучания. Для запуска можно использовать Piper TTS или ONNX отдельно с установленным espeak-ng. Для Piper TTS указана лицензия GPL, а для автономного ONNX-варианта — MIT; лицензия самого репозитория обозначена как other.

Сценарии применения

  • озвучивание русского текста женским голосом
  • создание русскоязычных голосовых интерфейсов
  • синтез речевых реплик для приложений
  • персонализированное создание голоса на основе дообучения

Ограничения

Голос и язык модели ориентированы на русскую речь; качество и естественность звучания в README не оценены. Для автономного запуска ONNX требуется espeak-ng; условия лицензирования зависят от выбранного способа запуска.

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: ru_RU-irina-medium

Medium-size Russian female voice.

Model Details

FieldValue
ArchitectureVITS (end-to-end)
FormatONNX
LanguageRussian (Russia)
GenderFemale
Model Sizemedium (~63 MB ONNX, ~15M params)
Sample Rate22050 Hz
LicenseSee source (RHVoice)

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-ru-ru-irina-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 data from RHVoice, speaker Irina. Fine-tuned from lessac medium.

Re-hosted from rhasspy/piper-voices. Original voice: ru_RU-irina-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
55837b0

0 моделей