Характеристики

Лицензия: MIT
Опубликована: 19 июл 2026

Ссылки

Hugging Face

audio.cpp

endo5501

Синтез речиТекст → аудио3 профессии

Набор runtime-файлов Irodori-TTS для синтеза японской речи в audio.cpp и NovelViewer.

45скачиваний за 30 дней0лайковвеса обновлены5 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

Репозиторий содержит минимальный набор файлов модели Irodori-TTS-600M-v3-VoiceDesign и связанных компонентов для загрузчика irodori_tts в форке audio.cpp, используемом NovelViewer. В составе — веса модели в safetensors, конфигурация, токенизатор llm-jp-3-150m и веса Semantic-DACVAE для японского синтеза речи; заявлены форматы safetensors и GGUF F16.

Модель предназначена для преобразования японского текста в речь в приложениях на базе audio.cpp и NovelViewer. Репозиторий переупаковывает необходимые runtime-файлы, а не описывает самостоятельное дообучение. Лицензия репозитория — MIT; у исходной Irodori-TTS также указаны этические ограничения, включая запрет имитации голоса без согласия и незаконного использования.

Сценарии применения

синтез японской речи по тексту
озвучивание японских текстов в NovelViewer
подключение Irodori-TTS к приложениям на audio.cpp

Ограничения

Репозиторий предназначен для совместимого загрузчика irodori_tts и не содержит подробных оценок качества или описания голосовых возможностей. Следует соблюдать этические ограничения исходной Irodori-TTS, включая запрет имитации голоса без согласия.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Irodori-TTS model assets for audio.cpp (NovelViewer)

Runtime model assets for the endo5501/audio.cpp fork (Irodori-TTS engine used by NovelViewer). This repository repackages the minimal file set required by the audio.cpp irodori_tts safetensors loader, laid out as sibling directories:

Irodori-TTS-600M-v3-VoiceDesign/
  model.safetensors
  model_config.json
llm-jp-3-150m/
  tokenizer.json
Semantic-DACVAE-Japanese-32dim/
  weights.safetensors   (converted from upstream weights.pth)

Sources and licenses

Asset	Upstream	License
Irodori-TTS-600M-v3-VoiceDesign	Aratako/Irodori-TTS-600M-v3-VoiceDesign	MIT (+ ethical restrictions, see below)
llm-jp-3-150m tokenizer	llm-jp/llm-jp-3-150m	Apache-2.0
Semantic-DACVAE-Japanese-32dim	Aratako/Semantic-DACVAE-Japanese-32dim	MIT

Semantic-DACVAE-Japanese-32dim/weights.safetensors is a format conversion (PyTorch weights.pth → safetensors) of the upstream checkpoint; weights are unmodified.

Ethical restrictions (inherited from Irodori-TTS)

In addition to the MIT license terms, the upstream Irodori-TTS model states ethical restrictions on use (e.g., prohibiting impersonation without consent and unlawful use). See the upstream model card for the authoritative text: https://huggingface.co/Aratako/Irodori-TTS-600M-v3-VoiceDesign

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов: 2c0bf5b