/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Архитектура
F5-TTS · dense
Опубликована
5 сен 2026

F5-Myanmar-TTS

Синтез речиТекст → аудио3 профессии

Бирманская модель F5-TTS преобразует текст в естественную речь и поддерживает клонирование голоса по образцу.

1 540скачиваний за 30 дней5лайковвеса обновлены9 сен 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

F5-TTS Burmese v2 — модель синтеза речи на основе Flow-Matching Diffusion Transformer, разработанная автором репозитория freococo. Она обучена на более чем 794,5 часа бирманской речи и содержит около 337 млн параметров; карточка описывает 22 слоя, 16 голов и размерность 1024. Модель предназначена для преобразования текста на бирманском языке в речь и поддерживает клонирование голоса по образцу. Автор сообщает об улучшениях фонетического выравнивания, передачи тонов, естественности разговорной речи и сокращении обрывов аудио; веса FP16 занимают около 674 МБ.

Модель подходит для озвучивания текста и создания речи голосом-образцом. В репозитории также доступны промежуточные чекпойнты для продолжения дообучения. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование. Длина контекста и условия качества за пределами описанных автором сценариев в карточке не приведены.

Сценарии применения

  • озвучивание текста на бирманском языке
  • клонирование голоса для синтеза бирманской речи
  • создание разговорной озвучки на бирманском
  • синтез произношения бирманских слов и заимствований на пали

Ограничения

Лицензия CC BY-NC 4.0 запрещает коммерческое использование. Заявления о качестве и клонировании голоса приведены автором модели и не сопровождаются в доступной карточке независимой оценкой.

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

🇲🇲 F5-TTS Burmese v2 (1,025,604 Updates Foundation Model)

The official v2 release of the F5-TTS (Flow-Matching Diffusion Transformer) Burmese speech foundation model, trained on 794.5+ hours of Burmese speech across 36 full epochs (1,025,604 updates).

"They are fighting for people's freedom. I am fighting for the language's freedom.
I just want to preserve their beautiful, lovely, and brave voices embedded in AI to last forever — marking the first time in history for a massive Burmese open-source TTS foundation model."


🌟 What's New in v2

  • Over 1 Million Updates: Pushed training from 569,780 steps (v1) to 1,025,604 updates (36 epochs) for significantly tighter phonetic alignment and tone clarity.
  • 50% Smaller Model (FP16): Pruned weights down from 1.35 GB to 674 MB for 2x faster downloads and lower GPU VRAM consumption.
  • Production-Grade Zero-Shot Voice Cloning: Natural conversational cadence, improved tone handling on conjuncts and Pāḷi loanwords, and zero cut-offs.
  • Raw Checkpoints Available: Intermediate checkpoints (model_1020000.pt, model_1025000.pt, and model_last.pt) are included under checkpoints/ for developers wanting to continue fine-tuning.

⚡ Quickstart: Python Package (f5-myanmar-tts)

The easiest way to use this model is with the official PyPI package:

pip install --upgrade f5-myanmar-tts

Python (Just 3 lines):

from f5_myanmar_tts import MyanmarTTS

# Auto-downloads lightweight v2 FP16 model (~674MB) on first run
tts = MyanmarTTS()

# Generate Burmese speech
tts.speak(
    "လူသားတွေ အားလုံးကို အယုတ်အလတ်အမြတ်မရွေး ချစ်ခင်လေးစားပါ", 
    output_file="speech.wav"
)

Voice Cloning (Clone any voice in 3–5 seconds):

tts.speak(
    text="ဒါကြောင့် အုံ့မှိုင်းနေတဲ့ ကောင်းကင်ကို အမိန့်ပေးပြီး မိုးကောင်းကင် တံခါးတွေကို ဖွင့်လိုက်တယ်",
    ref_audio="my_voice.wav",
    ref_text="အပြင် မသွားရလို့ စိတ်ညစ်နေပါတယ် မိုးတွေ တအား ရွာနေပါတယ်",
    output_file="cloned_speech.wav"
)

📊 Model Specifications

ParameterSpecification
ArchitectureDiffusion Transformer (DiT Base)
Parameters337,138,310 (~337M)
Layers / Heads / Dim22 layers, 16 heads, dim=1024, text_dim=512
Training Steps36 Epochs (1,025,604 updates)
Training Audio794.5+ Hours Burmese Speech
Sampling Rate24,000 Hz
VocoderVocos (24kHz Mel)
Vocabulary2,626 Burmese & Pāḷi Unicode Tokens
FormatSafetensors (674 MB FP16 Pruned EMA weights)
LicenseCreative Commons Attribution-NonCommercial 4.0 (CC BY-NC 4.0)

🕊️ Dedication & Acknowledgements

  1. GEMINI AI (Google): Co-engineering partner through every line of code, architecture debugging, memory optimizations, and fine-tuning pipelines.
  2. F5-TTS Research Team: Yushen Chen and the creators of F5-TTS for open-sourcing this world-class flow-matching speech architecture.
  3. The Brave Voices of Freedom: National Unity Government (NUG), PVTV broadcasters, independent journalists, and creators whose voices form the backbone of this heritage preservation project.

📜 License

Released under the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) license. Dedicated to free public research, language preservation, education, and open-source innovation.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура F5-TTS неизвестна transformers в образе рантайма.

Ревизия весов
f636560

0 моделей