/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Опубликована
7 окт 2026

ghana-vc-Bassar_Ntcham_bud

Обработка аудиоАудио → аудио

Модель ghanaopenai преобразует речь на нтчам в голос Zephyr, сохраняя язык исходного аудио.

0скачиваний за 30 дней0лайковвеса обновлены8 окт 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

ghanaopenai/ghana-vc-Bassar_Ntcham_bud — модель преобразования речи, разработанная ghanaopenai и дообученная для языка нтчам (bud). Она преобразует входное аудио в голос Zephyr, сохраняя язык исходной речи. Модель предназначена для преобразования аудиозаписей на нтчам; для других языков в карточке рекомендована модель ghanaopenai/ghana-vc.

Модель основана на zero-shot seed-uvit-whisper-small-wavenet и содержит дообученные веса DiT из чекпойнта на 1 000 шагов. Для обучения использовались записи нтчам из ghanaopenai/ghana-synthetic-speech. В README отмечено, что этот чекпойнт сохранил наиболее чёткое произношение среди сравненных вариантов обучения. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение.

Сценарии применения

  • преобразование записанной речи на нтчам в голос Zephyr
  • конвертация голоса в аудиодатасетах на нтчам
  • создание речевых аудиоматериалов на нтчам с целевым голосом Zephyr

Ограничения

Модель специализирована на нтчам (bud) и голосе Zephyr; для других языков рекомендуется ghanaopenai/ghana-vc. Коммерческое использование ограничено лицензией CC BY-NC 4.0.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ghana-vc-Bassar_Ntcham_bud

Voice conversion for Ntcham (bud). An audio-to-audio model that converts speech into the Zephyr voice while preserving the language.

This checkpoint is dedicated to Ntcham: it was fine-tuned only on Ntcham (bud) clips from ghanaopenai/ghana-synthetic-speech, starting from the zero-shot seed-uvit-whisper-small-wavenet base. Use it to convert audio in Ntcham. For other languages — or as a cross-lingual fallback — use ghanaopenai/ghana-vc.

Use with ghana-vc

pip install git+https://github.com/GhanaNLP/ghana-vc

export HF_TOKEN=hf_...
ghana-vc convert \
  --dataset <org>/<audio-dataset> \
  --output  <org>/<result> \
  --config-name Bassar_Ntcham_bud \
  --num-samples 100

The library auto-selects this model when the dataset/config name matches.

Files

FileDescription
ft_model.pthFine-tuned DiT weights (step 1,000)
config_dit_mel_seed_uvit_whisper_small_wavenet.ymlModel / training config
ref_zephyr.wavReference utterance of the Zephyr voice in Ntcham
LICENSEUpstream Seed-VC GPL-3.0 text, retained for attribution

Training

  • Dataset: ghanaopenai/ghana-synthetic-speech config Bassar_Ntcham_bud (Ntcham)
  • Base: seed-uvit-whisper-small-wavenet (zero-shot)
  • Weights: the step-1,000 checkpoint. Comparing checkpoints from 500 to 3,500 steps on Asante Twi, step 1,000 kept pronunciation clearest (lowest character error rate with Omnilingual ASR CTC-300M), so it is the one published.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов
14a89f3

0 моделей