/ Модель

Характеристики

Лицензия
CC BY 4.0
Базовая модель
F5-TTS
Библиотека
f5-tts
Опубликована
11 окт 2026

F5-TTS-italian

Синтез речиТекст → аудио

Производная модели alien79/F5-TTS-italian. Дообученная версия F5-TTS для синтеза речи на итальянском языке по тексту.

131скачиваний за 30 дней0лайковвеса обновлены11 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

Карточка модели gian2007/F5-TTS-italian на Hugging Face совпадает с карточкой alien79/F5-TTS-italian, поэтому описание составлено по ней.

alien79/F5-TTS-italian — дообученная на итальянской речи версия F5-TTS от автора alien79. Модель предназначена для синтеза итальянской речи по тексту; для обучения использовано более 73 часов обучающей части набора ylacombe/cml-tts. В репозитории есть веса PyTorch в формате Safetensors, включая чекпойнт примерно после 290 эпох обучения.

Модель рассчитана на итальянский язык и плохо справляется с английским после дообучения. Автор отмечает, что произношение не всегда точное, числа перед синтезом нужно записывать словами, а ограниченное разнообразие голосов в обучающем наборе сказывается на клонировании голоса. Распространяется по лицензии CC BY 4.0.

Сценарии применения

  • синтез итальянской речи из текста
  • озвучивание итальянских фраз и диалогов
  • создание итальянской озвучки с паузами и интонацией по пунктуации
  • эксперименты с клонированием итальянского голоса

Ограничения

Модель плохо говорит по-английски и может неточно произносить итальянские слова; числа рекомендуется заранее записывать словами. Разнообразие голосов в обучающих данных ограничивает качество клонирования голоса.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This is an Italian finetune for F5-TTS Italian only so can't speak english properly

Trained over 73+ hours of "train" split of ylacombe/cml-tts dataset with 8xRTX4090, still in progress, using gradio finetuning app using following settings:

exp_name"F5TTS_Base"
learning_rate=0.00001
batch_size_per_gpu=10000
batch_size_type="frame"
max_samples=64
grad_accumulation_steps=1
max_grad_norm=1
epochs=300
num_warmup_updates=2000
save_per_updates=600
last_per_steps=300
finetune=true
file_checkpoint_train=""
tokenizer_type="char"
tokenizer_file=""
mixed_precision="fp16"
logger="wandb"
bnb_optimizer=false

Pre processing

Data extracted from the datasource has been preprocessed in its transcription. From my understanding, punctuation is important because it's used to teach to have pauses and proper intonation so it has been preserved.
Original italian "text" field was even containing direct dialogue escapes (long hyphen) that has also be preserved but it contained also a hypen that was used to split a word in a new line (I don't know which process was used on original dataset to create the text transcription) and so I removed that hypens merging the two part of the word, otherwise the training was done on artifacts that didn't impacted the speech.
I'm only talking about Italian data on cml-tts, I don't know if other languages are affected by this too.

Current most trained model

model_159600.safetensors (~290 Epoch)

known problems

  • catastrophic failure (being Italian only, lost english skill). A proper multilanguage dataset should be used instead of single language.
  • not perfect pronunciation
  • numbers must be converter in letters to be pronunced in italian
  • a better dataset with more diverse voices would help improving zero-shot cloning

checkpoints folder

Contains the weight of the checkpoints at specific steps, the higher the number, the further it went into training. Weights in this folder can be used as starting point to continue training. Ping me back if you can further finetune it to reach a better result

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · f5-tts

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
711ef80

0 моделей