/ Модель

Характеристики

Контекст
600 токенов
Архитектура
speecht5 · dense
Опубликована
8 авг 2023

speecht5_tts-finetuned-voxpopuli-en

Синтез речиТекст → аудио4 профессии

Дообученная на VoxPopuli модель SpeechT5 для преобразования текста в речь.

87скачиваний за 30 дней1лайквеса обновлены24 янв 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

VinayHajare/speecht5_tts-finetuned-voxpopuli-en — дообученная модель синтеза речи на базе SpeechT5 от Microsoft. Она преобразует текст в речь и обучена на данных VoxPopuli; на оценочном наборе указано значение loss 0,4689. Архитектура — SpeechT5ForTextToSpeech, веса доступны в форматах PyTorch и Safetensors. Лицензия и поддерживаемые языки в предоставленных данных не указаны.

Сценарии применения

  • синтез речи из текста
  • озвучивание английских текстов
  • создание речевых выходов для голосовых интерфейсов

Ограничения

README не приводит сведений о качестве речи, ограничениях применения или условиях лицензии. Значение loss 0,4689 указано для оценочного набора, но не описывает само по себе воспринимаемое качество синтеза.

Для каких профессий подходит4

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-finetuned-voxpopuli-en

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

  • Loss: 0.4689

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: 4
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • training_steps: 2000

Training results

Training LossEpochStepValidation Loss
0.50152.85000.4735
0.49555.610000.4709
0.49548.415000.4694
0.489311.220000.4689

Framework versions

  • Transformers 4.31.0
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.3
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechT5ForTextToSpeech
Ревизия весов
d535026

0 моделей