/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Опубликована
7 окт 2026

ghana-vc-Konkomba_xon

Обработка аудиоАудио → аудио

Модель преобразует речь на конкомба 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

Модель ghanaopenai/ghana-vc-Konkomba_xon разработана для преобразования речи на языке конкомба (xon) в голос Zephyr с сохранением языка. Это модель преобразования аудио в аудио на основе DiT; опубликован чекпойнт после 1 000 шагов дообучения на клипах конкомба из набора ghanaopenai/ghana-synthetic-speech, начиная с zero-shot модели seed-uvit-whisper-small-wavenet. Для конвертации предлагается использовать библиотеку ghana-vc, которая автоматически выбирает модель по имени конфигурации Konkomba_xon.

Модель предназначена для смены голоса в аудиозаписях речи на конкомба. В README указано, что выбор чекпойнта после 1 000 шагов был связан с сохранением чёткого произношения при сравнении промежуточных чекпойнтов на языке асанте-тви. Для других языков README рекомендует использовать ghanaopenai/ghana-vc. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое применение.

Сценарии применения

  • смена голоса в речи на конкомба
  • создание речевых аудиовариантов на конкомба голосом Zephyr
  • преобразование записей конкомба с сохранением произношения и языка

Ограничения

Модель предназначена для речи на конкомба; для других языков README рекомендует отдельную модель ghanaopenai/ghana-vc. 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

ghana-vc-Konkomba_xon

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

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

Training

  • Dataset: ghanaopenai/ghana-synthetic-speech config Konkomba_xon (Konkomba)
  • 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
40f66ff

0 моделей