/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Архитектура
omnivoice · dense
Базовая модель
OmniVoice
Библиотека
omnivoice
Опубликована
28 мая 2026

omnivoice-brpt-v15

Синтез речиТекст → аудио3 профессии

Дообученная OmniVoice для синтеза речи на бразильском португальском с поддержкой дизайна и клонирования голоса.

155скачиваний за 30 дней3лайкавеса обновлены28 мая 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

OmniVoice BR-PT v1.5 — модель синтеза речи на бразильском португальском, созданная edwixx как дообучение k2-fsa/OmniVoice. Она предназначена для генерации речи по тексту, экспериментов с дизайном голоса и клонирования голоса с помощью OmniVoice. Модель использует архитектуру OmniVoice и формат весов safetensors; внутри базовой модели применяется языковой код `pt`, а бразильский вариант португальского поддержан тонкой настройкой на соответствующих данных.

В README приведена оценка распознаваемости на наборе из 20 запросов; выбранный чекпойнт показал один из лучших результатов среди вариантов настройки. Модель выпущена по лицензии Apache-2.0.

Сценарии применения

  • Озвучивание текста на бразильском португальском
  • Создание голосовых дорожек для роликов и публикаций
  • Генерация речи с заданным описанием голоса
  • Клонирование голоса по референсной аудиозаписи
  • Эксперименты с синтезом бразильской португальской речи

Ограничения

Модель экспериментальная; качество акцента, естественность речи и клонирование голоса требуют проверки на слух. Используется общий языковой код `pt`, а бразильский вариант обеспечивается данными дообучения и подсказками.

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

OmniVoice BR-PT v1.5

OmniVoice BR-PT v1.5 is the selected Brazilian Portuguese fine-tune of k2-fsa/OmniVoice. This release uses the v1.5 gold-subset refinement checkpoint selected from checkpoint-9000.

It is optimized for Brazilian Portuguese TTS experiments, voice-design, and voice-cloning workflows using OmniVoice.

Why This Checkpoint

We evaluated base OmniVoice, the first BR-PT run, and v1.5 refine checkpoints on a 20-prompt Brazilian Portuguese ASR intelligibility set. Lower is better.

ModelWERCER
base OmniVoice0.04560.0400
v1 checkpoint-190000.04560.0400
v1.5 checkpoint-50000.04000.0379
v1.5 checkpoint-80000.04630.0404
v1.5 checkpoint-90000.04000.0379
v1.5 checkpoint-100000.04710.0390

checkpoint-9000 was selected because it tied for the best ASR score while being later in the refinement run than checkpoint-5000.

Samples

Reference audio was provided for sample generation and is included for reproducibility:

Open reference MP3

01 Welcome

Prompt: Bom dia. Esta é uma demonstração em português brasileiro com voz clara e natural.

Open WAV

02 Creator

Prompt: Hoje eu vou mostrar uma novidade rápida, simples e muito fácil de acompanhar.

Open WAV

03 Brazil

Prompt: São Paulo amanheceu com chuva, mas a cidade continuou cheia de energia.

Open WAV

04 Food

Prompt: Eu gostaria de um café sem açúcar e um pão de queijo bem quentinho, por favor.

Open WAV

06 Product

Prompt: Este produto foi feito para criadores que precisam gravar conteúdos todos os dias.

Open WAV

07 Numbers

Prompt: O preço final ficou em cinquenta e três reais, com entrega para amanhã de manhã.

Open WAV

08 Story

Prompt: No fim da tarde, a música começou baixinho e todo mundo ficou em silêncio para ouvir.

Open WAV

Training Details

  • Base model: k2-fsa/OmniVoice
  • Initial v1 checkpoint used for refinement: checkpoint-19000
  • Selected release checkpoint: v1.5 checkpoint-9000
  • Dataset: edwixx/brazilian-portuguese-TTS
  • Gold refine set: 12,014 train rows, 260 dev rows after filtering
  • Speakers in selected gold subset: 40
  • Language ID used for OmniVoice compatibility: pt
  • Locale metadata: pt-BR
  • Instruction used in refine data/samples: portuguese accent
  • Refine LR: 5e-6
  • Refine steps: 10,000
  • Selected checkpoint: 9,000
  • Final refine eval loss at step 10,000: 3.93625

Usage

omnivoice-infer   --model edwixx/omnivoice-brpt-v15   --text "Bom dia. Esta é uma demonstração em português brasileiro."   --language pt   --instruct "portuguese accent"   --output brpt_v15.wav

Voice cloning example:

omnivoice-infer   --model edwixx/omnivoice-brpt-v15   --text "Hoje eu vou mostrar uma novidade rápida e fácil de acompanhar."   --language pt   --instruct "portuguese accent"   --ref_audio reference.wav   --output brpt_clone.wav

Limitations

This is an experimental OmniVoice fine-tune. The model uses OmniVoice's generic Portuguese language code (pt) internally; Brazilian Portuguese behavior comes from the fine-tuning data, the gold subset, and consistent prompting. Human listening is still required to judge accent, naturalness, and voice-cloning quality.

Do not use this model for impersonation, deception, fraud, harassment, or cloning voices without consent.

Files

This repo intentionally excludes optimizer and random-state files to keep the release cleaner. Reports are in reports/, and audio examples are in samples/.

Attribution

Как запустить

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

GPU в ailist

Универсальный рантайм · omnivoice

Нельзя запустить

Архитектура omnivoice неизвестна transformers в образе рантайма.

Класс архитектуры
OmniVoice
Ревизия весов
79d5c97

0 моделей