/ Модель
Каталог

Характеристики

Контекст
32 768 токенов
Параметры
553 млн
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
neutts-air
Опубликована
20 июл 2026

Ссылки

Hugging Face

Roo-Voice-NeuTTS

abliter8-ai
Генерация текстаТекст → текст

Дообученная модель Neuphonic преобразует английский текст в речь одним фиксированным голосом без аудиообразца.

6скачиваний за 30 дней0лайковвеса обновлены20 июл 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.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. 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

Roo-Voice-NeuTTS — дообученная модель Neuphonic на базе NeuTTS-Air с архитектурой Qwen2, предназначенная для синтеза английской речи в одном фиксированном голосе. Она принимает текст без аудиообразца голоса и выдаёт речевые коды, которые декодируются NeuCodec в аудио с частотой 24 кГц. Модель создана для голоса приложения Roo Voice; версия v3 обучена с нуля от базовой модели на 404 аудиофрагментах общей длительностью около 61 минуты, включая набор для расширения лексического покрытия. Для фонемизации при инференсе требуется espeak-ng с вариантом en-gb и настройками phonemizer preserve_punctuation и with_stress.

Модель содержит 552,8 млн параметров, использует формат safetensors и имеет контекст до 32768 токенов. Генерация детерминирована при жадном декодировании и temperature 0. Репозиторий указывает лицензию Apache-2.0. Модель рассчитана на один голос и не требует референсного аудио; её качество зависит от совпадения настроек фонемизации с обучением.

Сценарии применения

  • озвучивание английского текста голосом приложения Roo Voice
  • синтез речи из текста без предоставления образца голоса
  • создание детерминированной озвучки для настольного приложения

Ограничения

Модель поддерживает один фиксированный голос и требует для инференса фонемизацию espeak-ng en-gb с настройками preserve_punctuation и with_stress. Аудио получается декодированием речевых кодов через NeuCodec с частотой 24 кГц.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Roo-Voice-NeuTTS

Single-voice identity-locked fine-tune of NeuTTS-Air (Qwen2.5-0.5B backbone) — the custom voice behind the Roo Voice desktop app. Reference-free: text in, one fixed voice out. Deterministic (greedy, temp 0). Phonemization: espeak-ng en-gb with phonemizer defaults (preserve_punctuation, with_stress) — MUST match at inference.

v3 — trained fresh from base on 404 clips (~61 min) including a 123-clip lexical-coverage patch pack (s-cluster words: "class", "absolutely", …) after a word-level coverage audit of v2 found 128 common words unseen. A/B against a warm-start continuation of v2 confirmed fresh training was required: the warm start preserved v2's mispronunciations.

GGUF quants for llama.cpp serving: Roo-Voice-NeuTTS-GGUF. Decode speech codes with NeuCodec (24 kHz).

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
e155b05

0 моделей

    Создать бенчмарк