/ Модель

Характеристики

Лицензия
CC BY 4.0
Архитектура
parler_tts · dense
Базовая модель
parler-tts-mini-multilingual-v1.1
Библиотека
transformers
Опубликована
28 апр 2025

EmotiveIcelandic

Синтез речиТекст → аудио3 профессии

EmotiveIcelandic синтезирует исландскую речь с настраиваемыми голосом, темпом и эмоциональной окраской.

83скачиваний за 30 дней0лайковвеса обновлены28 апр 2025

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

EmotiveIcelandic — модель синтеза речи на базе Parler-TTS, разработанная и дообученная на эмоциональном исландском речевом корпусе talromur3_with_prompts. Она преобразует текст в речь, позволяя задавать естественным языком характеристики голоса и высказывания: высоту тона, монотонность, темп, качество звучания, реверберацию, эмоцию и её интенсивность. В корпусе представлены семь голосов, а данные размечены шестью эмоциональными классами: нейтральным, радостным, грустным, сердитым, удивлённым и доброжелательным детским обращением.

Модель предназначена для управляемого синтеза исландской речи, например для озвучивания реплик с заданной эмоциональной окраской и темпом. Это дообученная мультиязычная архитектура Parler-TTS, но карточка описывает обучение исландской речи. Модель распространяется по лицензии CC BY 4.0. Качество синтеза за пределами исландского языка и размеченных голосов и эмоций карточкой не подтверждается.

Сценарии применения

  • озвучивание исландского текста с заданной эмоцией
  • создание реплик радостным, грустным или сердитым голосом
  • синтез речи с выбранным голосом из корпуса
  • настройка темпа, высоты тона и манеры исландской речи
  • озвучивание детских обращений доброжелательным голосом

Ограничения

Карточка описывает дообучение на исландском корпусе; качество для других языков не подтверждено. Эмоции ограничены размеченными классами корпуса, а число голосов — семью голосами из обучающих данных.

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

Model Card for Emotive Icelandic

EmotiveIcelandic is an extended version of parler-tts/parler-tts-mini-multilingual-v1.1, fine-tuned on Icelandic emotional speech.
Features of the output can be described through a description prompt. EmotiveIcelandic is trained on all the existing ParlerTTS features, in addition
to a description of the emotional content and intensity of the utterance (see here).

See the snippet here to get started with the model.

Model Details

Model Description

This multilingual checkpoint of ParlerTTS is fine-tuned on talromur3_with_prompts: a prompt-annotated, high-quality Icelandic emotive speech corpus. The model output can be described through a natural language description of the utterance-level pitch, speech monotony, speech quality, reverberation, speaking rate and emotional content.

  • Model type: Text-To-Speech
  • Language(s) (NLP): Icelandic
  • License: CC-by-4.0
  • Finetuned from model : parler-tts/parler-tts-mini-multilingual-v1.1

Model Sources

Usage

Use the code below to get started with the model.

import torch
from parler_tts import ParlerTTSForConditionalGeneration
from transformers import AutoTokenizer
import soundfile as sf

device = "cuda:0" if torch.cuda.is_available() else "cpu"

model = ParlerTTSForConditionalGeneration.from_pretrained("atlithor/EmotiveIcelandic").to(device)
tokenizer = AutoTokenizer.from_pretrained("atlithor/EmotiveIcelandic")
description_tokenizer = AutoTokenizer.from_pretrained(model.config.text_encoder._name_or_path)

prompt = "Þetta er frábær hugmynd!" # E: this is a great idea!
description = "Ingrid sounds very happy in this utterance. The recording is of very high quality, with Ingrid's voice sounding clear and very close up."

input_ids = description_tokenizer(description, return_tensors="pt").input_ids.to(device)
prompt_input_ids = tokenizer(prompt, return_tensors="pt").input_ids.to(device)

generation = model.generate(input_ids=input_ids, prompt_input_ids=prompt_input_ids)
audio_arr = generation.cpu().numpy().squeeze()
sf.write("ingrid_happy.wav", audio_arr, model.config.sampling_rate)

Training Details

Training Data

The model is trained on talromur3_with_prompts: a high-quality emotive Icelandic speech corpus.
The corpus has been annotated with natural language descriptions (see more). The corpus is multi-speaker, consisting of 7 named voices that can be included in the description prompts for consistent synthesis.

Speaker nameSpeaker gender
Astridfemale
Freyafemale
Ingridfemale
Fridafemale
Leifmale
Andersmale
Bjornmale

All training utterances are spoken in 6 different emotions classes:

  1. Neutral
  2. Happy
  3. Sad
  4. Angry
  5. Surprised
  6. Helpful (child directed)

All non-neutral utterances are also assigned an emotional intensity label between 1 (very low) to 5 (very high) and the emotional intensity
can also be specified in the description prompt, e.g.:

  • Freya sounds extremely happy
  • Leif is somewhat surprised
  • Anders sounds happy
  • Ingrid comes across as quite sad

Citation

Coming later

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура parler_tts неизвестна transformers в образе рантайма.

Класс архитектуры
ParlerTTSForConditionalGeneration
Ревизия весов
ae45d78

0 моделей