/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Опубликована
7 окт 2026

ghana-vc-Ntrubo_ntr

Обработка аудиоАудио → аудио

Модель преобразует речь на нтрубо 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

Модель ghanaopenai/ghana-vc-Ntrubo_ntr — модель преобразования голоса для языка нтрубо, разработанная ghanaopenai. Она преобразует входящую речь в голос Zephyr, сохраняя язык исходной речи. Модель предназначена для конвертации аудио на нтрубо; для других языков в README рекомендуется использовать ghanaopenai/ghana-vc.

Это дообученный чекпойнт на базе zero-shot модели seed-uvit-whisper-small-wavenet. В репозитории указаны веса DiT на шаге обучения 1 000 и аудиозапись Zephyr на нтрубо как эталонный голос. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Выбор шага 1 000 основан на сравнении чекпойнтов по чёткости произношения на асанте-тви; это не гарантирует такое же качество для нтрубо.

Сценарии применения

  • преобразование голоса в аудиозаписях на нтрубо
  • конвертация речи в голос Zephyr
  • создание синтетической речи на нтрубо с заданным голосом

Ограничения

Модель предназначена для нтрубо; для других языков README рекомендует ghanaopenai/ghana-vc. Опубликован чекпойнт на шаге 1 000, выбранный по оценке произношения на асанте-тви.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ghana-vc-Ntrubo_ntr

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

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

Training

  • Dataset: ghanaopenai/ghana-synthetic-speech config Ntrubo_ntr (Ntrubo)
  • 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
a8e8fb8

0 моделей