/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Библиотека
fairseq
Опубликована
10 окт 2022

xm_transformer_unity_en-hk

Обработка аудиоАудио → аудио

Модель UnitY переводит английскую речь в хоккиенскую речь с синтезом аудио на выходе.

22скачиваний за 30 дней5лайковвеса обновлены19 окт 2022

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

xm_transformer_unity_en-hk — модель перевода речи с английского на хоккиен, разработанная Facebook и реализованная на базе fairseq. Она использует двухпроходный декодер UnitY и предназначена для преобразования английской речи в хоккиенскую речь. Модель обучена на размеченных данных из домена TED и на слабой разметке из доменов TED и аудиокниг; для синтеза речи используется facebook/unit_hifigan_HK_layer12.km2500_frame_TAT-TTS.

Модель принимает аудио и выдаёт аудио. В карточке указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. Подробности о поддерживаемых вариантах входного аудио и качестве на других доменах в предоставленных источниках не приведены.

Сценарии применения

  • Перевод английских выступлений TED на хоккиен
  • Преобразование англоязычной речи в хоккиенское аудио
  • Создание хоккиенской озвучки для англоязычных аудиоматериалов

Ограничения

Обучающие данные ориентированы на TED и аудиокниги, поэтому качество на других типах речи может отличаться. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xm_transformer_unity_en-hk

Speech-to-speech translation model with two-pass decoder (UnitY) from fairseq:

Usage

import json
import os
from pathlib import Path

import IPython.display as ipd
from fairseq import hub_utils
from fairseq.checkpoint_utils import load_model_ensemble_and_task_from_hf_hub
from fairseq.models.speech_to_text.hub_interface import S2THubInterface
from fairseq.models.text_to_speech import CodeHiFiGANVocoder
from fairseq.models.text_to_speech.hub_interface import VocoderHubInterface

from huggingface_hub import snapshot_download
import torchaudio

cache_dir = os.getenv("HUGGINGFACE_HUB_CACHE")

models, cfg, task = load_model_ensemble_and_task_from_hf_hub(
    "facebook/xm_transformer_unity_en-hk",
    arg_overrides={"config_yaml": "config.yaml", "task": "speech_to_text"},
    cache_dir=cache_dir,
)
#model = models[0].cpu()
#cfg["task"].cpu = True
generator = task.build_generator([model], cfg)


# requires 16000Hz mono channel audio
audio, _ = torchaudio.load("/path/to/an/audio/file")

sample = S2THubInterface.get_model_input(task, audio)
unit = S2THubInterface.get_prediction(task, model, generator, sample)

# speech synthesis           
library_name = "fairseq"
cache_dir = (
    cache_dir or (Path.home() / ".cache" / library_name).as_posix()
)
cache_dir = snapshot_download(
    f"facebook/unit_hifigan_HK_layer12.km2500_frame_TAT-TTS", cache_dir=cache_dir, library_name=library_name
)

x = hub_utils.from_pretrained(
    cache_dir,
    "model.pt",
    ".",
    archive_map=CodeHiFiGANVocoder.hub_models(),
    config_yaml="config.json",
    fp16=False,
    is_vocoder=True,
)

with open(f"{x['args']['data']}/config.json") as f:
    vocoder_cfg = json.load(f)
assert (
    len(x["args"]["model_path"]) == 1
), "Too many vocoder models in the input"

vocoder = CodeHiFiGANVocoder(x["args"]["model_path"][0], vocoder_cfg)
tts_model = VocoderHubInterface(vocoder_cfg, vocoder)

tts_sample = tts_model.get_model_input(unit)
wav, sr = tts_model.get_prediction(tts_sample)

ipd.Audio(wav, rate=sr)

Как запустить

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

GPU в ailist

Универсальный рантайм · fairseq

Нельзя запустить

Модели fairseq требуют отдельного рантайма.

Ревизия весов
3bb88c9

0 моделей