/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Библиотека
transformers
Опубликована
19 авг 2026

speecht5_finetuned_iamwille_ig

Генерация аудиоТекст → аудио3 профессии

Дообученная модель SpeechT5, преобразующая текст в речь.

12скачиваний за 30 дней0лайковвеса обновлены21 авг 2026

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

iamwille/speecht5_finetuned_iamwille_ig — дообученная на неизвестном наборе данных модель Microsoft SpeechT5 для синтеза речи из текста. Она использует архитектуру SpeechT5ForTextToSpeech и предназначена для преобразования текстового ввода в аудио. В README указана оценка Loss 0,4255 на тестовой выборке, но описание набора данных и условий оценки отсутствует.

Модель распространяется в формате safetensors по лицензии MIT. Данных о поддерживаемых языках, голосе, качестве синтеза и ограничениях применения нет; результаты оценки не позволяют судить о качестве речи без сведений о тестовом наборе и метрике.

Сценарии применения

  • синтез речи из текста
  • озвучивание коротких текстов
  • создание аудиоверсии пользовательских фраз

Ограничения

Язык, обучающий набор данных, характеристики голоса и качество синтеза не описаны. Указанное значение Loss нельзя интерпретировать без сведений о метрике и тестовом наборе.

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_finetuned_iamwille_ig

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

  • Loss: 0.4255

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: 0.0001
  • train_batch_size: 4
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • training_steps: 5000

Training results

Training LossEpochStepValidation Loss
4.81420.13641000.5158
4.48290.27292000.5417
4.28470.40933000.4858
4.16480.54574000.4760
4.14170.68215000.4716
4.20320.81866000.4722
4.11840.95507000.4868
4.06581.09148000.4759
4.05021.22789000.4640
4.00981.364310000.4575
3.96711.500711000.4547
3.99131.637112000.4676
3.93871.773513000.4522
3.87441.910014000.4534
3.98642.046415000.4611
3.93762.182816000.4563
3.88662.319217000.4475
3.90372.455718000.4476
3.83852.592119000.4477
3.82572.728520000.4489
3.79052.864921000.4466
3.81093.001422000.4447
3.79393.137823000.4450
3.80643.274224000.4432
3.77643.410625000.4404
3.78653.547126000.4419
3.77513.683527000.4385
3.77563.819928000.4401
3.76903.956329000.4395
3.73464.092830000.4365
3.71004.229231000.4382
3.73934.365632000.4390
3.70594.502033000.4330
3.70704.638534000.4366
3.74734.774935000.4343
3.69614.911336000.4317
3.66025.047737000.4318
3.67245.184238000.4306
3.69025.320639000.4318
3.70665.457040000.4321
3.69245.593541000.4284
3.68515.729942000.4265
3.63855.866343000.4272
3.63886.002744000.4271
3.62146.139245000.4272
3.63886.275646000.4263
3.60276.412047000.4286
3.63686.548448000.4266
3.59636.684949000.4264
3.60286.821350000.4255

Framework versions

  • Transformers 5.15.1
  • Pytorch 2.13.0
  • Datasets 5.0.1
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechT5ForTextToSpeech
Ревизия весов
ecf52d1

0 моделей