/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Своя лицензия
Архитектура
omnivoice · dense
Библиотека
transformers
Опубликована
11 июн 2026

sonus

Синтез речиТекст → аудио3 профессии

Sonus — мультиязычная модель преобразования текста в речь с клонированием и настройкой голоса, рассчитанная на более чем 600 языков.

14скачиваний за 30 дней0лайковвеса обновлены22 июн 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

Sonus — мультиязычная модель синтеза речи с нуля (zero-shot) от автора репозитория comethrusws. Она преобразует текст в речь, поддерживает более 600 языков, клонирование голоса по короткой аудиозаписи и настройку голоса по атрибутам, таким как пол, возраст, высота тона и акцент. Модель использует архитектуру семейства OmniVoice; в README указаны 0,6 млрд параметров и частота дискретизации 24 кГц. Для запуска предусмотрена библиотека Transformers.

Sonus предназначена для генерации речи в реальном времени и пакетной обработки, а также для управления произношением и невербальными звуками. Карточка указывает лицензию other, поэтому конкретные условия использования следует проверять в файлах репозитория. README запрещает несанкционированное клонирование голоса, выдачу себя за другого человека, мошенничество и незаконное применение.

Сценарии применения

  • озвучивание текста на разных языках
  • клонирование голоса по короткому образцу речи
  • создание голоса с заданными возрастом, полом, высотой тона или акцентом
  • генерация речи для пакетной обработки и работы в реальном времени
  • коррекция произношения и управление невербальными звуками

Ограничения

Заявленные поддержка более 600 языков и качество генерации приведены в README, но не сопровождаются оценками или перечнем языков. Условия лицензии обозначены как other; перед использованием следует проверить файлы лицензии в репозитории.

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

Sonus

A massively multilingual zero-shot text-to-speech synthesis system

Overview

Sonus is an advanced multilingual zero-shot text-to-speech synthesis system supporting over 600 languages. Built on a novel architecture, it delivers high-quality speech generation with superior inference speed, supporting voice cloning and voice design capabilities.

Key Features

  • 600+ Languages Supported: Broad language coverage for zero-shot TTS
  • Voice Cloning: High-quality voice cloning from short reference audio
  • Voice Design: Control voices via speaker attributes (gender, age, pitch, accent, etc.)
  • Fine-grained Control: Support for non-verbal symbols and pronunciation correction
  • Fast Inference: Optimized for real-time and batch processing

Installation

pip install torch torchaudio
pip install transformers

Quick Start

from transformers import AutoModel, AutoTokenizer
import torch

model = AutoModel.from_pretrained("comethrusws/sonus", trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained("comethrusws/sonus", trust_remote_code=True)

# Load to device
model = model.to("cuda")

# Generate speech
text = "Hello, this is a test of voice synthesis."

Model Specifications

  • Architecture: Diffusion language model-style
  • Parameters: 0.6B
  • Sampling Rate: 24 kHz
  • Languages: 600+

License

This project is available under a custom license.

  • Non-commercial use: Free for personal projects, research, and educational purposes
  • Commercial use: Requires explicit permission. Contact inquiry@sagea.space for licensing inquiries

See LICENSE file for full terms.

Disclaimer

Users are prohibited from using this model for unauthorized voice cloning, impersonation, fraud, or any illegal activities. Ensure compliance with applicable laws and ethical standards.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура omnivoice неизвестна transformers в образе рантайма.

Класс архитектуры
OmniVoice
Ревизия весов
e44b07f

0 моделей