/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Опубликована
7 окт 2026

ghana-vc-Deg_mzw

Обработка аудиоАудио → аудио

Модель преобразует речь на языке Deg в голос Zephyr, сохраняя язык исходной записи.

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-Deg_mzw — модель преобразования голоса, разработанная GhanaOpenAI. Она принимает речь на языке Deg (Mfantse) и преобразует её в голос Zephyr, стараясь сохранить исходный язык. Модель предназначена для преобразования аудиозаписей с помощью библиотеки ghana-vc; для других языков в README рекомендуется отдельная модель ghanaopenai/ghana-vc.

Это дообученный чекпойнт архитектуры DiT на базе zero-shot модели seed-uvit-whisper-small-wavenet. Опубликованы веса после 1 000 шагов обучения; авторы выбрали этот чекпойнт за более чёткое произношение в сравнении с вариантами от 500 до 3 500 шагов на Asante Twi. Модель распространяется в формате PyTorch по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • преобразование голоса в аудиозаписях на языке Deg
  • озвучивание речи на Deg голосом Zephyr
  • смена голоса в синтетической речи на Deg

Ограничения

Модель настроена только на аудиозаписи Deg; для других языков автор рекомендует ghanaopenai/ghana-vc. Лицензия CC BY-NC 4.0 не разрешает коммерческое использование.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ghana-vc-Deg_mzw

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

This checkpoint is dedicated to Deg: it was fine-tuned only on Deg (mzw) clips from ghanaopenai/ghana-synthetic-speech, starting from the zero-shot seed-uvit-whisper-small-wavenet base. Use it to convert audio in Deg. 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 Deg_mzw \
  --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 Deg
LICENSEUpstream Seed-VC GPL-3.0 text, retained for attribution

Training

  • Dataset: ghanaopenai/ghana-synthetic-speech config Deg_mzw (Deg)
  • 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
41351fb

0 моделей