/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
977 млн
Размер весов
6,6 ГБ
Лицензия
cc
Архитектура
csm · dense
Базовая модель
csm-1b
Библиотека
transformers
Опубликована
19 авг 2025

azzurra-voice

Синтез речиТекст → аудио3 профессии

azzurra-voice — выразительная модель синтеза речи на итальянском языке, разработанная компанией Cartesia в рамках Azzurra Project.

6 634скачиваний за 30 дней19лайковвеса обновлены12 фев 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 «Синтез речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

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

Она предназначена для исследователей, разработчиков и создателей приложений, которым нужны локальные, инклюзивные и ориентированные на человека голосовые интерфейсы.

Модель основана на архитектуре sesame/csm-1b и обучена на закрытом наборе данных, включающем тысячи часов высококачественной итальянской речи. Данные охватывают широкий демографический и географический диапазон Италии, включая региональные акценты, различные просодические особенности и разговорные стили. Модель работает с текстом и генерирует аудио с частотой дискретизации 24 000 Гц; интеграция возможна через библиотеку transformers, а для быстрого инференса в реальном времени предлагается реализация csm.rs.

К сильным сторонам относятся естественная интонация, выразительность, передача эмоций и более аутентичное звучание итальянской речи по сравнению с роботизированным синтезом. README не содержит подробностей о поддержке других языков, максимальной длине контекста, точных требованиях к ресурсам или количественных оценках качества, поэтому эти характеристики нельзя определить. Модель распространяется как open-weight под лицензией Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0): разрешены распространение и адаптация при указании авторства, запрете коммерческого использования и распространении производных материалов на тех же условиях.

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

azzurra-voice 🇮🇹

azzurra-voice is a state-of-the-art, highly expressive text-to-speech (TTS) model for the Italian language, developed by Cartesia.

Check out some audio samples in our blog post.

This model is the first release from the Azzurra Project, our initiative to build private, personal, and empathetic AI that feels Italian not just in language, but in culture, warmth, and presence. azzurra-voice was trained on thousands of hours of high-quality, diverse Italian speech, capturing a wide range of accents, prosodies, and conversational styles from across Italy.

This model is released to empower researchers, developers, and makers to build more inclusive, local, and human-centered AI applications.

Features

  • Highly Expressive and Natural: Generates speech with natural intonation and emotion, avoiding a robotic tone.
  • Diverse Italian Dataset: Trained on a comprehensive dataset that includes various regional accents and conversational patterns, making the output feel authentic and familiar.
  • Efficient and High-Quality: Optimized to run efficiently while delivering top-tier, 24,000 Hz speech quality.
  • Open and Accessible: Free, open-weight, and easy to integrate using the transformers library.

Run with csm.rs 🚀

You can run azzurra-voice with csm.rs, a high-performance Rust implementation for fast, real-time TTS inference.

Full-precision model:

csm.rs --model-id cartesia/azzurra-voice

Quantized Q8 model:

csm.rs --model-id cartesia/azzurra-voice --model-file q8.gguf

Usage

Generating speech is straightforward using the Hugging Face transformers library.

import torch
from transformers import CsmForConditionalGeneration, AutoProcessor
import soundfile as sf

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

processor = AutoProcessor.from_pretrained("cartesia/azzurra-voice")
model = CsmForConditionalGeneration.from_pretrained("cartesia/azzurra-voice").to(device)

text = "La sintesi vocale è un processo complesso"
conversation = [
    {"role": "user", "content": [{"type": "text", "text": text}]},
]
inputs = processor.apply_chat_template(
    conversation,
    tokenize=True,
    return_dict=True,
).to(device)

audio_output = model.generate(**inputs, output_audio=True)
waveform = audio_output[0].cpu().numpy()

sf.write("output.wav", waveform, 24_000)

Model Details

  • Model Architecture: azzurra-voice is a sesame/csm-1b
  • Language: Italian
  • Sample Rate: 24,000 Hz
  • Training Data: The model was trained on a proprietary dataset composed of thousands of hours of high-quality Italian speech. The dataset covers a wide demographic and geographic range within Italy.

License

This model is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0).

This means:

  • You are free to:
    • Share — copy and redistribute the material in any medium or format.
    • Adapt — remix, transform, and build upon the material.
  • Under the following terms:
    • Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made.
    • NonCommercial — You may not use the material for commercial purposes.
    • ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.

For the full license text, please visit: https://creativecommons.org/licenses/by-nc-sa/4.0/

Citation

If you use azzurra-voice in your research, please cite it as follows:

@software{Cartesia_Azzurra_Voice_2025,
  author = {Cartesia},
  title = {{azzurra-voice: A State-of-the-Art Open Italian Text-to-Speech Model}},
  month = {8},
  year = {2025},
  publisher = {Cartesia},
  url = {https://huggingface.co/cartesia/azzurra-voice}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
CsmForConditionalGeneration
Ревизия весов
f41947b

0 моделей