/ Модель

Характеристики

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

sonus

Синтез речиТекст → аудио

Sonus — мультиязычная модель преобразования текста в речь с клонированием голоса и настройкой его характеристик.

6скачиваний за 30 дней3лайкавеса обновлены11 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, опубликованная пользователем cortexsgea. Она предназначена для преобразования текста в речь, клонирования голоса по короткому аудиофрагменту и создания голоса по заданным характеристикам, таким как возраст, тембр, высота и акцент. Модель поддерживает более 600 языков и работает с частотой дискретизации 24 кГц.

В README заявлена архитектура в стиле языковой диффузионной модели и размер 0,6 млрд параметров; в метаданных указано семейство Sonus и класс OmniVoice. Заявлены быстрое создание речи, управление произношением и обработка невербальных символов. Репозиторий содержит веса Safetensors и использует Transformers. Лицензия обозначена как other, поэтому условия использования следует уточнить по карточке модели. 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 аудиопримеру
  • создание голоса с заданным тембром и акцентом
  • генерация речи для озвучки и медиаконтента
  • управляемая коррекция произношения при синтезе речи

Ограничения

README запрещает несанкционированное клонирование голоса, имитацию личности, мошенничество и незаконное использование. Условия лицензии обозначены как other и требуют уточнения.

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

Basic Usage

from transformers import AutoModel, AutoTokenizer
import torch

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

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

# Generate speech
text = "Hello, this is a test of voice synthesis."
# See documentation for full generation API

Voice Cloning

# Provide reference audio for voice cloning
# See API documentation for complete examples

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

Репозиторий недоступен на Hugging Face.

Класс архитектуры
OmniVoice
Ревизия весов
10641f8

0 моделей