/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Опубликована
7 окт 2026

ghana-vc-Sehwi_sfw

Обработка аудиоАудио → аудио

Модель ghanaopenai для преобразования речи на Sehwi в голос Zephyr с сохранением языка исходной речи.

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-Sehwi_sfw — модель преобразования речи, разработанная ghanaopenai для переноса голоса на голос Zephyr с сохранением исходного языка. Она принимает аудио с речью на Sehwi и выдаёт преобразованное аудио; модель встроена в библиотеку ghana-vc, которая выбирает её по имени конфигурации Sehwi_sfw.

Это дообученный чекпойнт архитектуры DiT, основанный на zero-shot модели seed-uvit-whisper-small-wavenet. Опубликованы веса после 1 000 шагов обучения на клипах Sehwi из набора ghanaopenai/ghana-synthetic-speech. По README, этот чекпойнт выбрали за более ясное произношение по сравнению с вариантами на 500–3 500 шагах при оценке на Asante Twi.

Модель предназначена для преобразования речи на Sehwi; для других языков README рекомендует ghanaopenai/ghana-vc. Распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • преобразование записи речи на Sehwi в голос Zephyr
  • смена голоса в аудиоклипах на Sehwi
  • генерация голосовых вариантов Sehwi-клипов через ghana-vc

Ограничения

Модель предназначена для Sehwi; для других языков README рекомендует ghanaopenai/ghana-vc. Лицензия CC BY-NC 4.0 не допускает коммерческого использования.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ghana-vc-Sehwi_sfw

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

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

Training

  • Dataset: ghanaopenai/ghana-synthetic-speech config Sehwi_sfw (Sehwi)
  • 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
feb414e

0 моделей