/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Опубликована
29 авг 2023

speecht5_finetuned_voxpopuli_ro_audio_course_v2

Синтез речиТекст → аудио3 профессии

Дообученная на румынских данных VoxPopuli модель SpeechT5 для синтеза речи из текста.

90скачиваний за 30 дней0лайковвеса обновлены18 сен 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Синтез речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

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

SpeechT5 Romanian — модель синтеза речи из текста, созданная дообучением microsoft/speecht5_tts на румынской части набора VoxPopuli. Она предназначена для преобразования румынского текста в речь; в карточке приведено значение loss 0,4508 на оценочной выборке. Модель основана на архитектуре SpeechT5 и распространяется в форматах PyTorch и Safetensors.

Модель выпущена под лицензией MIT. Карточка не описывает голосовые характеристики, качество звучания и ограничения применения; результат оценки сам по себе не позволяет судить о разборчивости или естественности речи.

Сценарии применения

  • озвучивание румынского текста
  • генерация румынской речи для аудиоматериалов
  • создание голосовых ответов на румынском языке

Ограничения

В карточке не приведены сведения о естественности, разборчивости и характеристиках синтезируемого голоса. Значение loss на оценочной выборке не заменяет оценку качества звучания.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SpeechT5 Romanian

This model is a fine-tuned version of microsoft/speecht5_tts on the voxpopuli ro dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4508

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 4
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 1200

Training results

Training LossEpochStepValidation Loss
0.54384.224000.4808
0.50098.438000.4563
0.488612.6512000.4508

Framework versions

  • Transformers 4.32.1
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.4
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechT5ForTextToSpeech
Ревизия весов
af8c269

0 моделей