/ Модель

Характеристики

Лицензия
MIT
Базовая модель
piper-voices
Опубликована
31 мая 2026

piper-en_US-lessac-medium-GGUF

Синтез речиТекст → аудио3 профессии

Компактная англоязычная модель Piper на VITS преобразует текст в речь голосом en_US-lessac.

1 141скачиваний за 30 дней1лайквеса обновлены3 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

Это преобразованная в формат GGUF версия англоязычного голоса en_US-lessac-medium из набора Piper, опубликованного rhasspy. Репозиторий подготовлен для использования с CrispASR; модель синтезирует речь из текста и выдаёт монофонический PCM-аудиосигнал с частотой 22,05 кГц. В основе — архитектура VITS с трансформерным текстовым энкодером, стохастическим предсказателем длительности, блоками нормализующего потока и декодером HiFi-GAN. Веса представлены в F16, размер файла — около 30 МБ.

Модель предназначена для озвучивания английского текста голосом Lessac, в том числе при локальном синтезе речи через CrispASR. Для фонемизации требуется espeak-ng. Это конверсия представления весов upstream-модели без дообучения, изменения архитектуры или возможностей. Лицензия — MIT; README указывает, что условия upstream-модели сохраняются.

Сценарии применения

  • озвучивание английского текста голосом en_US-lessac
  • локальное преобразование текста в речь
  • генерация речевого аудио для приложений на CrispASR

Ограничения

Для фонемизации требуется установленный espeak-ng; модель рассчитана на английский голос en_US-lessac. Репозиторий содержит F16-представление в GGUF, а не набор форматов и степеней квантизации.

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

Piper TTS (en_US lessac medium) — GGUF

Native C++ GGUF conversion of the Piper VITS voice en_US-lessac-medium for use with CrispASR.

Files

FileSizeDescription
piper-en_US-lessac-medium-f16.gguf30 MBF16 weights (full model)

Piper models are small enough that quantization provides no meaningful savings. F16 is the only format.

Usage with CrispASR

./build/bin/crispasr --backend piper \
    -m piper-en_US-lessac-medium-f16.gguf \
    --tts "Hello, how are you today?" \
    --tts-output hello.wav

Phonemization uses espeak-ng (must be installed: apt install espeak-ng).

Architecture

  • VITS (Conditional Variational Autoencoder with Adversarial Learning)
  • Text encoder: 6-layer relative-position transformer (192-d, 2 heads)
  • Duration predictor: Stochastic Duration Predictor with rational-quadratic spline flows
  • Flow: 4 affine coupling blocks with WaveNet conditioning
  • Decoder: HiFi-GAN (3 upsample stages, 9 MRF resblocks)
  • Output: 22.05 kHz mono PCM
  • License: MIT

Conversion

python models/convert-piper-to-gguf.py \
    --onnx en_US-lessac-medium.onnx \
    --output piper-en_US-lessac-medium-f16.gguf

Provenance and EU AI Act Art. 53 note

  • Upstream model: rhasspy/piper-voices — published by rhasspy.
  • Upstream licence: mit. This repository redistributes under the same terms; it grants no rights the upstream licence does not.
  • What was done here: format conversion and/or quantisation only (GGUF). No training, no fine-tuning, no merging, no distillation, no change to architecture, vocabulary or capability. Only the numeric representation of the upstream weights differs.
  • Training data: documented — where it is documented at all — by the upstream provider; see the upstream model card. No training data was used, added or selected by this repository. No training-content summary was found on the upstream model card at the time of writing; that documentation gap is upstream's and is not filled here.
  • Provider status: under Regulation (EU) 2024/1689 the upstream authors remain the provider of this model. Converting the serialisation format does not make this repository the provider of a new general-purpose AI model, and no such claim is made. Questions about training content, copyright policy or model capability belong upstream.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
6b3d385

0 моделей