Характеристики

Лицензия: CC BY-NC 4.0
Опубликована: 7 окт 2026

Ссылки

Hugging Face

ghana-vc-Nzema_nzi

ghanaopenai

Обработка аудиоАудио → аудио

Модель преобразует речь на нзема в голос Zephyr, стараясь сохранить язык и произношение.

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-Nzema_nzi — модель преобразования речи, разработанная ghanaopenai для перевода аудиозаписей на языке нзема в голос Zephyr с сохранением языка. Это аудио-аудио модель на архитектуре DiT, дообученная на синтетических аудиозаписях нзема из набора ghanaopenai/ghana-synthetic-speech; опубликован чекпойнт на 1 000 шаге обучения. Модель предназначена для преобразования речи на нзема с помощью библиотеки ghana-vc, которая автоматически выбирает её для соответствующей конфигурации.

Модель основана на zero-shot модели seed-uvit-whisper-small-wavenet. Для обучения выбрали чекпойнт на 1 000 шаге после сравнения вариантов на языке асанте-тви: он показал наиболее чёткое произношение по метрике character error rate с Omnilingual ASR CTC-300M. Это не доказывает аналогичное качество на нзема. Модель опубликована по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

преобразование записей речи на нзема в голос Zephyr
озвучивание синтетической речи на нзема голосом Zephyr
подготовка вариантов голосовой дорожки на нзема

Ограничения

Модель предназначена для нзема; для других языков README рекомендует ghanaopenai/ghana-vc. Оценка выбора чекпойнта проводилась на асанте-тви, поэтому она сама по себе не подтверждает качество на нзема.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ghana-vc-Nzema_nzi

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

This checkpoint is dedicated to Nzema: it was fine-tuned only on Nzema (nzi) clips from ghanaopenai/ghana-synthetic-speech, starting from the zero-shot seed-uvit-whisper-small-wavenet base. Use it to convert audio in Nzema. 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 Nzema_nzi \
  --num-samples 100

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

Files

File	Description
`ft_model.pth`	Fine-tuned DiT weights (step 1,000)
`config_dit_mel_seed_uvit_whisper_small_wavenet.yml`	Model / training config
`ref_zephyr.wav`	Reference utterance of the Zephyr voice in Nzema
`LICENSE`	Upstream Seed-VC GPL-3.0 text, retained for attribution

Training

Dataset: ghanaopenai/ghana-synthetic-speech config Nzema_nzi (Nzema)
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: f39ca78