/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Библиотека
transformers
Опубликована
3 сен 2026

speecht5_finetuned_uzbek

Генерация аудиоТекст → аудио3 профессии

Дообученная на узбекский язык модель SpeechT5 для преобразования текста в речь.

15скачиваний за 30 дней0лайковвеса обновлены7 сен 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

Модель davron04/speecht5_finetuned_uzbek — дообученная версия SpeechT5 от Microsoft для синтеза речи из текста. Она принимает текст и генерирует аудио; название репозитория указывает на настройку для узбекского языка. Модель построена на архитектуре SpeechT5ForTextToSpeech и сохранена в формате safetensors.

В README приведено значение loss 0,3794 на оценочном наборе, но сведения о датасете, голосах и условиях обучения отсутствуют. Модель распространяется по лицензии MIT.

Сценарии применения

  • синтез узбекской речи из текста
  • озвучивание узбекских сообщений и объявлений
  • создание аудиоверсий узбекских текстов

Ограничения

Данные о датасете, поддерживаемых голосах и оценке качества речи не приведены; README сообщает только loss 0,3794 на оценочном наборе.

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

speecht5_finetuned_uzbek

This model is a fine-tuned version of microsoft/speecht5_tts on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3794

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 4
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 4000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
3.429313.514410000.4006
3.254127.027120000.3844
3.222840.541530000.3810
3.247754.054140000.3794

Framework versions

  • Transformers 5.16.1
  • Pytorch 2.10.0+cu128
  • Datasets 5.0.1
  • Tokenizers 0.23.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechT5ForTextToSpeech
Ревизия весов
acafd4a

0 моделей