/ Модель

Характеристики

Лицензия
CC BY 4.0
Опубликована
27 авг 2026

nepali-rvc-voices-v1

Обработка аудиоАудио → аудио

Набор из четырёх непальских RVC-голосов для преобразования речи в аудио в выбранный целевой голос.

0скачиваний за 30 дней0лайковвеса обновлены30 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

Набор Nepali RVC Voices v1 от ampixa содержит четыре независимо обученных целевых голоса для преобразования речи на непальском языке. Это не единый смешанный чекпойнт: при запуске выбирают генератор `.pth` и соответствующий ему индекс `.index`. Для вывода предназначены RVC-модели, работающие через Applio; в карточке также указаны экспорты ONNX для работы в браузере. Модели обучены на аудиозаписях с извлечением F0 через RMVPE и признаков ContentVec; заявлены частота 48 кГц и HiFi-GAN.

Модель подходит для преобразования входного аудио в голос одного из целевых голосов. В составе набора описаны женские и мужские голоса, обозначенные только псевдонимными ID датасета. Карточка сообщает о лицензии CC BY 4.0. Голоса нельзя представлять как конкретных реальных людей или использовать для обмана слушателей; для исходного аудио необходимы соответствующие права.

Сценарии применения

  • преобразование непальской речи в один из целевых голосов набора
  • создание озвучки на непальском с помощью RVC
  • локальный синтез преобразованного голоса в браузере через ONNX
  • эксперименты с мужскими и женскими тембрами для непальской речи

Ограничения

Набор содержит отдельные голоса и требует выбирать генератор вместе с соответствующим индексом; их усреднение нарушает идентичность голосов. Использование для имитации реального человека или обмана слушателей запрещено карточкой; также нужны права на исходное аудио.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Nepali RVC Voices v1

Four independently trained Nepali RVC target voices. This is a voice pack, not a blended checkpoint: select one .pth generator and its matching .index file at inference time. Averaging the four checkpoints would erase speaker identity and make each retrieval index inconsistent with its model.

The canonical machine-readable inventory is voices.json. All release files are SHA-256 pinned there.

Voices

IDPresentationClean clipsDuration
ne_rvc_f01female16527.572 min
ne_rvc_f02female17026.798 min
ne_rvc_m01male15623.721 min
ne_rvc_m02male15521.254 min

Speakers remain identified only by dataset pseudonymous IDs. These voices must not be presented as a real named person, used to deceive listeners, or used without rights to the source audio being converted.

Training and inference

  • Runtime: Applio RVC
  • 48 kHz, 80 epochs, HiFi-GAN
  • RMVPE F0 extraction and ContentVec features
  • Default retrieval index rate: 0.6
  • Default pitch: 0 semitones
  • Dataset audio transformations: stereo-to-mono mean and PCM16 encoding only
  • No pitch shift, phase transformation, denoising, or pseudovoice processing

Browser-native exports

The browser/ directory contains fixed 512-frame FP16 ONNX generators and compact retrieval graphs for every voice. The compact graph uses the learned IVF coarse centroids from the corresponding FAISS index, reducing each browser index to 5–7 MB while preserving local retrieval.

The static application at voidash/nepali-rvc-tts runs the Nepali frontend, carrier TTS, ContentVec, RMVPE, retrieval, and RVC synthesis on the client device. Its host serves static files only; source text and audio are not submitted to a model API.

Attribution and license

Training audio is from ai4bharat/indicvoices_r, released under CC BY 4.0. The voice pack is released under CC BY 4.0 and must retain this attribution. RVC inference is provided through IAHispano/Applio, whose code is MIT licensed and whose terms of use also apply.

This is an experimental release. Listen and evaluate suitability before any production deployment.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов
f9b5822

0 моделей