/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Опубликована
7 окт 2026

ghana-vc-Tuwuli_bov

Обработка аудиоАудио → аудио

Модель преобразует речь на Тувули в голос Zephyr, сохраняя язык высказывания.

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-Tuwuli_bov — модель преобразования голоса, разработанная ghanaopenai для речи на языке Тувули (bov). Она преобразует входную речь в голос Zephyr, сохраняя язык и содержание высказывания. Модель предназначена для использования с библиотекой ghana-vc, которая автоматически выбирает её для соответствующей конфигурации датасета.

Это дообученный чекпойнт DiT на базе seed-uvit-whisper-small-wavenet, обученный на клипах Тувули из ghanaopenai/ghana-synthetic-speech. Опубликованы веса шага 1 000; авторы выбрали этот чекпойнт за более чёткое произношение в сравнении с другими шагами обучения. Модель принимает аудио и выдаёт преобразованное аудио.

Модель лицензирована по CC BY-NC 4.0, которая ограничивает коммерческое использование. Она предназначена для Тувули; для других языков README рекомендует общую модель ghanaopenai/ghana-vc. Количественная оценка качества для Тувули в карточке не приведена.

Сценарии применения

  • Преобразование записи речи на Тувули в голос Zephyr
  • Создание синтетических аудиопримеров на Тувули с целевым голосом
  • Изменение тембра голоса в аудиозаписи на Тувули

Ограничения

Модель предназначена для речи на Тувули; для других языков рекомендуется использовать ghanaopenai/ghana-vc. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ghana-vc-Tuwuli_bov

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

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

Training

  • Dataset: ghanaopenai/ghana-synthetic-speech config Tuwuli_bov (Tuwuli)
  • 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
16ef758

0 моделей