/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Архитектура
omnivoice · dense
Библиотека
doduytts
Опубликована
21 авг 2026

dodduyTTS

Синтез речиТекст → аудио5 профессий

Многоязычная zero-shot модель синтеза речи с клонированием и созданием голосов для озвучивания текста на более чем 600 языках.

5скачиваний за 30 дней0лайковвеса обновлены21 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

DoDuyTTS — многоязычная модель синтеза речи, созданная на основе k2-fsa/OmniVoice. Она поддерживает более 600 языков, синтез речи по тексту в режиме zero-shot, клонирование голоса и создание голосового образа. Архитектура основана на диффузионной языковой модели; веса опубликованы в формате Safetensors, а для работы предназначен пакет doduytts.

Модель рассчитана на озвучивание текста, создание речи заданным голосом и потоковый синтез в серверных сценариях. В README заявлена скорость инференса до RTF 0,025 на GPU; пакет также включает сервер с потоковой обработкой предложений и динамическим микробатчингом. Репозиторий указывает лицензию Apache-2.0. Клонировать голос можно только при наличии разрешения: README запрещает несанкционированную имитацию голоса и незаконное или неэтичное использование.

Сценарии применения

  • озвучивание текста на разных языках
  • синтез речи заданным голосом без отдельного дообучения
  • клонирование голоса с разрешения его владельца
  • создание нового голосового образа
  • потоковая озвучка текста, поступающего от языковой модели

Ограничения

Клонирование голоса требует разрешения владельца; README запрещает несанкционированную имитацию голоса. Заявленная скорость RTF 0,025 относится к GPU; условия замера и качество для отдельных языков не уточнены.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DoDuyTTS

DoDuyTTS is a massively multilingual zero-shot text-to-speech (TTS) model supporting 600+ languages, with voice cloning and voice design. Built on a diffusion language model-style architecture with fast inference (RTF as low as 0.025 on GPU).

Use it with the doduytts package:

from doduytts import DoDuyTTS
import soundfile as sf
import torch

model = DoDuyTTS.from_pretrained(
    "doduy1911/dodduyTTS",
    device_map="cuda:0",   # or "mps", "cpu"
    dtype=torch.float16,
)

# Voice cloning
audio = model.generate(
    text="Hello, this is a test of zero-shot voice cloning.",
    ref_audio="ref.wav",
    ref_text="Transcription of the reference audio.",
)

# Voice design (no reference audio)
audio = model.generate(
    text="Hello!",
    instruct="female, low pitch, british accent",
)

sf.write("out.wav", audio[0], 24000)

A streaming TTS server (incremental sentence chunking from LLM text streams + dynamic micro-batching) ships with the package: see doduytts-serve.

Attribution

This checkpoint is based on k2-fsa/OmniVoice by the Xiaomi AI Lab Next-gen Kaldi team, redistributed under the Apache License 2.0. All credit for the model architecture and training goes to the original authors.

Disclaimer

Users are strictly prohibited from using this model for unauthorized voice cloning, voice impersonation, fraud, scams, or any other illegal or unethical activities. All users shall ensure full compliance with applicable local laws, regulations, and ethical standards.

Как запустить

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

GPU в ailist

Универсальный рантайм · doduytts

Нельзя запустить

Архитектура omnivoice неизвестна transformers в образе рантайма.

Класс архитектуры
OmniVoice
Ревизия весов
b5034c7

0 моделей