Характеристики

Контекст: 32 768 токенов
Параметры: 521 млн
Лицензия: Apache 2.0
Архитектура: qwen3 · dense
Базовая модель: Qwen3-0.6B-Base
Опубликована: 28 апр 2026

Ссылки

Hugging Face

VachaSpeech-0.6B

VIZINTZOR

Генерация текстаТекст → текст3 профессии

Модель синтезирует естественно звучащую тайскую речь из текста и поддерживает клонирование голоса.

881скачиваний за 30 дней0лайковвеса обновлены30 апр 2026

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

VachaSpeech-0.6B — тайскоязычная модель преобразования текста в речь (TTS) с поддержкой клонирования голоса. По карточке это модель на основе LLM размером около 0,6 млрд параметров, дообученная на Qwen/Qwen3-0.6B-Base; для кодирования речи указан MioCodec-25Hz-44.1kHz-v2. Модель предназначена для синтеза естественно звучащей тайской речи и генерации речи с клонированием голоса.

Метаданные указывают контекст 32 768 токенов и формат safetensors. Лицензия — Apache 2.0. Карточка не приводит подробностей о требованиях к голосовому образцу и качестве синтеза.

Сценарии применения

озвучивание тайского текста
создание тайской речи для диалоговых приложений
синтез речи с клонированием заданного голоса

Ограничения

Карточка не описывает требования к образцу для клонирования голоса и не приводит оценки качества или подробностей о поддерживаемых вариантах речи.

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 II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VachaSpeech

VachaSpeech เป็นระบบ Text-to-Speech (TTS) ภาษาไทย ที่รองรับ Voice Cloning โดยใช้โมเดล LLM เพื่อสร้างเสียงพูดที่เป็นธรรมชาติ ขนาด 0.6B

โมเดล

Model Name	Parameters	License	Codec
VachaSpeech-0.6B	0.6B	Apache 2.0	MioCodec-25Hz-44.1kHz-v2

การติดตั้ง

pip install git+https://github.com/VYNCX/VachaSpeech.git

ใช้งาน

from vachaspeech import VachaSpeech

tts = VachaSpeech()

text = "วันนี้อากาศปลอดโปร่ง ลมพัดเย็นสบาย รู้สึกเหมาะกับการออกไปเดินเล่นหรือจิบกาแฟข้างนอกมากเลย"
output = tts.generate(text, gender="female") # gender = "female" or "male" ปรับตามเสียงต้นฉบับ
# โคลนเสียง
tts.decode(output, ref_audio="examples/sample_1.wav", output="output.wav")

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen3ForCausalLM
Ревизия весов: b71f12c