Характеристики

Размер весов: 1,3 ГБ
Лицензия: Apache 2.0
Опубликована: 28 мар 2026

Ссылки

f5tts-hebrew-v2

Синтез речиТекст → аудио3 профессии

Дообученная на ивритской речи модель F5-TTS для синтеза монофонического аудио с выбором из 58 голосов и клонированием голоса.

556скачиваний за 30 дней2лайкавеса обновлены28 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

Yzamari/f5tts-hebrew-v2 — модель синтеза речи на иврите, разработанная Yzamari путём дообучения F5-TTS v1 Base. Это нерекуррентная модель F5-TTS, обученная на 68 569 сегментах общей длительностью около 158 часов; аудиоданные прошли повторную вокализацию с Phonikud G2P с добавлением знаков ударения, а сегменты не на иврите были исключены. Модель выдаёт монофоническую речь в формате WAV с частотой 24 кГц.

Предусмотрены 58 встроенных голосов и клонирование голоса. Для загрузки чекпойнта README рекомендует использовать model_state_dict, согласовать text_num_embeds с размером словаря и взять соответствующий vocab.txt; также отмечено, что стандартные API и CLI F5TTS для этой дообученной модели не работают, поэтому следует вызывать model.sample() напрямую. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

озвучивание текста на иврите
клонирование голоса для синтеза речи на иврите
создание аудиоверсий ивритских материалов
генерация речи на иврите с выбором встроенного голоса

Ограничения

README предупреждает, что стандартные API и CLI F5TTS не работают с этой дообученной моделью: для генерации нужно вызывать model.sample() напрямую. При загрузке важно использовать правильный словарь vocab.txt, согласовать text_num_embeds с размером словаря и выбирать model_state_dict.

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 I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

F5-TTS Hebrew v2

Hebrew text-to-speech model fine-tuned from F5-TTS on 158 hours of Hebrew speech.

Model Details

Base: F5-TTS v1 Base (non-autoregressive)
Steps: 320,000
Data: 68,569 segments (~158h) from SASPEECH Gold/Auto, FLEURS, Hebrew Speech Campus
All data re-vocalized with Phonikud G2P (stress marks included)
Hebrew-filtered: non-Hebrew segments removed
Output: 24kHz mono WAV
58 built-in voices with voice cloning support

Critical Usage Notes

Use model_state_dict, NOT ema_model_state_dict when loading from .pt checkpoints
Override text_num_embeds to match vocab_size (default 256 is wrong)
Use the included vocab.txt — char-to-index mapping must match exactly
Call model.sample() directly — F5TTS API/CLI are broken for fine-tuned models

Full Project

github.com/yzamari/hebAudio — complete Hebrew TTS system with Web UI, 58 voices, preprocessing pipeline, and training guide.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов: d6f8a45