/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
bodo-tts · dense
Библиотека
espnet
Опубликована
10 авг 2026

bodo-tts-aaii-fs2-mb

Синтез речиТекст → аудио

Модель AAII синтезирует речь на бодо из текста деванагари для браузерных, образовательных и доступных средств чтения.

13скачиваний за 30 дней1лайквеса обновлены10 авг 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

AAII разработала модель синтеза речи на языке бодо на основе конвейера ESPnet FastSpeech2 и вокодера Multi-band MelGAN. Она обучена на женской части набора AI4Bharat Rasa Bodo TTS и преобразует текст на бодо, набранный письмом деванагари, в речевую аудиоволну. Репозиторий содержит модель в формате ONNX; лицензия — Apache-2.0.

Модель предназначена для озвучивания текста на бодо в браузерных и общественных языковых приложениях, включая чтение веб-страниц и цифровых материалов, поддержку доступности и образовательные сценарии. Распознавание текста на фотографиях и PDF в описанном приложении выполняет отдельный OCR-компонент, а не сама TTS-модель.

Это ранняя версия: качество произношения, просодии и выразительности может быть ограниченным и требует дальнейшей настройки на данных.

Сценарии применения

  • озвучивание текста на бодо письмом деванагари
  • чтение веб-страниц на бодо вслух
  • создание аудиоверсий цифровых материалов на бодо
  • озвучивание учебных текстов на бодо
  • поддержка чтения для пользователей с особыми потребностями

Ограничения

Это ранняя версия; произношение, просодия и выразительность могут требовать улучшения. Обучение проводилось на женской части набора данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AAII - Bodo Neural TTS Model

This model has been trained on the female voice subset of the AI4Bharat Rasa Bodo TTS dataset and is built using an ESPnet-based FastSpeech2 + Multi-band MelGAN TTS pipeline.


Model Overview

The TTS system is based on:

  • Acoustic model: FastSpeech2
  • Vocoder: Multi-band MelGAN
  • Toolkit: ESPnet
  • Language: Bodo (brx)
  • Training data: AI4Bharat Rasa Bodo TTS Dataset (Female Voice)
  • Input: Bodo Devanagari text
  • Output: Bodo speech waveform

The goal of this model is to provide a lightweight and usable Bodo neural TTS system for browser-based and community-focused language technology applications.


Applications Built Using This Model

Using this Bodo model, we have developed two free public-facing Bodo reading tools.

1. Bodo Text-to-Speech Web App

A browser-based Bodo TTS web application that can read Bodo Devanagari text directly from webpages, pasted text, or uploaded photos/PDFs (via on-device OCR).

Key features:

  • Reads Bodo Devanagari text
  • Supports webpage URL input
  • Supports direct text input
  • Supports Photo and PDF text extraction (OCR)
  • Runs speech synthesis inside the browser using WebAssembly / WebGPU
  • No server-side API call required for synthesis
  • Model is cached in the browser after first load
  • Can work offline after the model is loaded
  • Useful for accessibility, reading support, education, and Bodo digital content consumption

Acknowledgement

We express our sincere gratitude to AI4Bharat for creating and open-sourcing the Rasa Dataset. The training of this model relies on the female Bodo voice subset provided in the Rasa corpus.


Disclaimer

This is an early version of the Bodo TTS model. The model is designed to generate clear and natural Bodo speech, but pronunciation, prosody, and expressiveness may still improve with further data tuning and future model updates.

Как запустить

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

GPU в ailist

Универсальный рантайм · espnet

Нельзя запустить

Модели ESPnet требуют отдельного рантайма.

Ревизия весов
d8d2583

0 моделей