/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
piper
Опубликована
26 мар 2026

piper-zh-cn-huayan-medium

Синтез речиТекст → аудио3 профессии

Модель Piper zhCN-huayan-medium синтезирует китайский текст путунхуа в речь женским голосом.

358скачиваний 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 подготовила и разместила модель синтеза речи Piper zhCN-huayan-medium — женский голос, говорящий на путунхуа. Это сквозная модель VITS среднего размера, поставляемая в формате ONNX; она преобразует текст в аудио с частотой дискретизации 22,05 кГц. Модель обучена на данных HuaYan TTS и дообучена на основе lessac medium.

Модель предназначена для озвучивания китайского текста в приложениях и других сценариях синтеза речи. Для запуска можно использовать piper-tts либо ONNX отдельно; во втором случае требуется espeak-ng. Репозиторий переиздан из rhasspy/piper-voices. Лицензия модели указана как other; README отдельно указывает GPL для piper-tts и MIT для варианта с ONNX без зависимости от piper-tts, поэтому условия распространения и использования самих весов следует сверять с источником.

Сценарии применения

  • озвучивание китайского текста в приложении
  • создание женской голосовой озвучки на путунхуа
  • локальный синтез речи через ONNX
  • озвучивание коротких сообщений и подсказок на китайском

Ограничения

Модель предназначена для китайского путунхуа; качество произношения для других языков не заявлено. Для запуска через piper-tts требуется учитывать GPL этой библиотеки, а лицензия весов обозначена как other.

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: zh_CN-huayan-medium

Medium-size Mandarin Chinese female voice.

Model Details

FieldValue
ArchitectureVITS (end-to-end)
FormatONNX
LanguageChinese (Mandarin)
GenderFemale
Model Sizemedium (~63 MB ONNX, ~15M params)
Sample Rate22050 Hz
LicenseSee source (HuaYan TTS)

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-zh-cn-huayan-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 HuaYan TTS. Fine-tuned from lessac medium.

Re-hosted from rhasspy/piper-voices. Original voice: zh_CN-huayan-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
8a80132

0 моделей