/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Опубликована
27 авг 2024

speecht5_finetuned_emirhan_tr

Синтез речиТекст → аудио3 профессии

Дообученная SpeechT5 для синтеза турецкой речи из текста.

32скачиваний за 30 дней3лайкавеса обновлены17 сен 2024

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 emirhanbilgic/speecht5_finetuned_emirhan_tr — дообученная версия SpeechT5 от Microsoft, созданная для синтеза речи на турецком языке. Для обучения использован набор данных erenfazlioglu/turkishvoicedataset; в карточке указана потеря 0,3135 на оценочной выборке.

Модель принимает текст и генерирует речь. Она предназначена для турецких голосовых помощников, автоматических объявлений и средств доступности. Архитектура основана на трансформере SpeechT5. Репозиторий содержит веса в формате safetensors, лицензия — MIT.

Модель оптимизирована для турецкого языка и может хуже работать с другими языками, редкой лексикой и узкоспециальными терминами.

Сценарии применения

  • озвучивание текста на турецком языке
  • создание голосовых ответов для турецкого голосового помощника
  • генерация автоматических объявлений на турецком языке
  • озвучивание материалов для доступности на турецком языке

Ограничения

Модель оптимизирована для турецкого и может хуже обобщать на другие языки. Редкая и узкоспециальная лексика может произноситься менее надёжно.

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_emirhan_tr

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

  • Loss: 0.3135

Model description

The base model uses a transformer-based approach, specifically Transfer Transformer, to generate high-quality speech from text. The fine-tuning process on the Turkish Voice Dataset enables the model to produce more natural and accurate speech in Turkish.

Intended uses & limitations

This model is intended for text-to-speech (TTS) applications specifically tailored for the Turkish language. It can be used in various scenarios, such as voice assistants, automated announcements, and accessibility tools for Turkish speakers.

Training and evaluation data

The model's performance is optimized for Turkish and may not generalize well to other languages. The model might not handle rare or domain-specific vocabulary as effectively as more common words.

Training procedure

The model was fine-tuned on the Turkish Voice Dataset, which consists of high-quality synthetic Turkish voice recordings from Microsoft Azure. The dataset was split into training and evaluation subsets, with the evaluation set used to measure the model's loss and overall performance.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 4
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • training_steps: 660
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
0.5140.45451000.4372
0.42260.90912000.3626
0.37711.36363000.3417
0.35621.81824000.3278
0.34722.27275000.3217
0.34022.72736000.3135

Framework versions

  • Transformers 4.42.4
  • Pytorch 2.4.0+cu121
  • Datasets 2.21.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechT5ForTextToSpeech
Ревизия весов
4f5cf08

0 моделей