Характеристики

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

Ссылки

Hugging Face

ghana-vc-Selee_snw

ghanaopenai

Обработка аудиоАудио → аудио

Модель преобразует речь Selee в голос Zephyr, стараясь сохранить исходный язык и разборчивость произношения.

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-Selee_snw — модель преобразования речи, разработанная ghanaopenai. Она меняет голос входной речи на голос Zephyr, сохраняя язык и произношение. Модель предназначена для конвертации аудио Selee; для других языков README рекомендует использовать ghanaopenai/ghana-vc.

Это дообученный чекпойнт архитектуры DiT для мел-спектрограмм, созданный на основе zero-shot модели seed-uvit-whisper-small-wavenet и обученный на аудиоклипах Selee из ghanaopenai/ghana-synthetic-speech. Опубликован чекпойнт после 1 000 шагов: по сравнению с вариантами от 500 до 3 500 шагов он лучше сохранял разборчивость произношения на Asante Twi по оценке character error rate. Для использования предусмотрена библиотека ghana-vc, которая выбирает модель по имени конфигурации. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но не коммерческое.

Сценарии применения

преобразование аудиозаписей Selee в голос Zephyr
создание речевых образцов голосом Zephyr на языке Selee
конвертация речи в аудиодатасете через ghana-vc

Ограничения

Модель настроена на клипы Selee и может хуже работать с другими языками; для иных языков README рекомендует ghanaopenai/ghana-vc. Коммерческое использование ограничено лицензией CC BY-NC 4.0.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ghana-vc-Selee_snw

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

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

Training

Dataset: ghanaopenai/ghana-synthetic-speech config Selee_snw (Selee)
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: dabbfba