/ Модель

Характеристики

Лицензия
MIT
Базовая модель
snac_24khz
Библиотека
snac
Опубликована
14 июл 2026

snac-24khz-hindi-ft

Обработка аудиоАудио → аудио3 профессии

Производная модели nullHawk/snac-24khz-hindi-ft. Дообученный декодер SNAC для преобразования аудиокодов в речь на хинди и хинглише в составе систем синтеза речи.

12скачиваний за 30 дней0лайковвеса обновлены14 июл 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

Карточка модели WillowVoiceAI/snac-24khz-hindi-ft на Hugging Face совпадает с карточкой nullHawk/snac-24khz-hindi-ft, поэтому описание составлено по ней.

SNAC 24 kHz Hindi — это дообученный декодер нейрокодека SNAC, подготовленный для речи на хинди и хинглише. Модель предназначена для декодирования аудиокодов SNAC в речевую волну и может использоваться как вокодер в стеке синтеза речи в стиле Orpheus. Изменён только декодер; энкодер и квантователь унаследованы от hubertsiuzdak/snac_24khz, поэтому кодовое пространство совместимо с базовой моделью.

Модель использует три иерархических кодбука по 4096 записей и выдаёт монофонический звук с частотой 24 кГц. Лицензия — MIT. Для только что декодированных фрагментов README рекомендует обрезать первые примерно 2048 отсчётов, чтобы убрать переходный артефакт прогрева декодера.

Сценарии применения

  • декодирование токенов SNAC в речевую волну
  • использование как вокодера в TTS-стеке Orpheus
  • синтез речи на хинди из кодов SNAC
  • синтез речи на хинглише из кодов SNAC

Ограничения

Предназначена для декодирования совместимых кодов SNAC, а не для самостоятельного преобразования текста в речь. В начале свежедекодированного аудио возможен переходный артефакт; README рекомендует обрезать примерно первые 2048 отсчётов.

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

SNAC 24 kHz — Hindi

A SNAC 24 kHz multi-scale neural audio codec wh ose decoder has been fine-tuned on Hindi / Hinglish speech. It serves as the vocoder (SNAC-token → waveform detokenizer) for a Orpheus styled TTS stack.

Only the decoder was fine-tuned — the encoder and quantizer are frozen from the base hubertsiuzdak/snac_24khz. The code space is therefore identical to the base model, so this checkpoint is a drop-in decoder replacement: any SNAC code24khz` decode here with no retraining and no re-tokenizing.

Model details

Base`hubertsiuzdak/snac
Output24 kHz, mono
Codebooks3 hierarchical levels, 4096 entries each
Frame layout7 tokens / ine)
Parameters~19.8 M
Fine-tuneddecoder only

Installation

pip install snac torch sound

Usage

1. Round-trip: audio → c

import torch, soundfile as s
from snac import SNAC

device = "cuda" if torch.cud
model = SNAC.from_pretrained("nullHawk/snac-24khz-hindi-hp").eval().to(device)

wav, sr = sf.read("input.wavt be 24 kHz (resample first if
not)
audio = torch.from_numpy(wavce)   # shape [1, 1, T]

with torch.inference_mode():
    codes = model.encode(aud LongTensors (coarse -> fine)
    recon = model.decode(codes)               # [1, 1, T'] waveform

sf.write("recon.wav", recon[

2. Decode from a flat SN

TTS LLMs (Orpheus SNAC tokens, 7 per frame, interleaved across the 3 lev:

import torch

def decode_snac_tokens(ids,
    """ids   : flat list of
       offset: subtract your LLM's SNAC base id (use 0 if ids are already in [0, 4096)).
"""
    ids = [(t - offset) % 40
    frames = len(ids) // 7
    l1, l2, l3 = [], [], []
    for i in range(frames):
        s = ids[i * 7:(i + 1) * 7]
        l1.append(s[0])
        l2 += [s[1], s[4]]
        l3 += [s[2], s[3], s
    dev = next(model.parameters()).device
    codes = [torch.tensor(x,)[None] for x in (l1, l2, l3)]
    with torch.inference_mode():
        z_q = model.quantize
        audio = model.decoder(z_q)[0, 0].cpu().numpy()
    return audio[2048:]      ms decoder warm-up
# offset = the SNAC base tokg. 128266 for maya1 / Orpheus).
wav = decode_snac_tokens(token_ids, model, offset=128266)
import soundfile as sf
sf.write("tts.wav", wav, 24000)

Notes

  • Only the decoder changed, tsiuzdak/snac_24khz` by swappin g the repo id — the encoded code
  • Output is 24 kHz mono. Trim the first ~2048 samples of a freshly decoded clip to remov e the decoder warm-up transient.

Acknowledgements

Built on SNAC by Hubert Siuzdak.

Как запустить

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

GPU в ailist

Универсальный рантайм · snac

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов
d916cfe

0 моделей