/ Модель

Характеристики

Контекст
600 токенов
Архитектура
speecht5 · dense
Опубликована
23 июл 2023

SpeechT5_TTS_Haitian

Генерация аудиоТекст → аудио3 профессии

SpeechT5, дообученная для синтеза речи на гаитянском креольском языке.

76скачиваний за 30 дней5лайковвеса обновлены24 июл 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

idajikuu/SpeechT5_TTS_Haitian — модель синтеза речи на основе архитектуры SpeechT5, дообученная на датасете CMU Haitian для креольского языка Гаити. Она преобразует письменный текст на гаитянском креольском в речь и подходит для озвучивания аудиокниг и работы голосовых помощников.

Качество синтеза зависит от разнообразия и качества обучающих данных. Возможны ошибки, особенно при озвучивании сложных предложений и узкоспециализированной лексики. Модель распространяется в формате PyTorch; лицензия в предоставленных сведениях не указана.

Сценарии применения

  • озвучивание текстов на гаитянском креольском
  • создание аудиокнижной начитки на гаитянском креольском
  • генерация речи для голосового помощника на гаитянском креольском

Ограничения

Возможны ошибки синтеза, особенно на сложных предложениях и специализированной лексике; качество зависит от качества и разнообразия обучающих данных.

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

Fine-tuned SpeechT5 TTS Model for Haitian Creole

This model is a fine-tuned version of microsoft/speecht5-tts for the Haitian Creole language. It was fine-tuned on the CMU Haitian dataset.

Model Description

The model is based on the SpeechT5 architecture, which is a variant of the T5 (Text-to-Text Transfer Transformer) model designed specifically for text-to-speech tasks. The model is capable of converting input text in Haitian Creole into corresponding speech.

Intended Uses & Limitations

The model is intended for text-to-speech (TTS) applications in Haitian Creole language processing. It can be used for generating speech from written text, enabling applications such as audiobook narration, voice assistants, and more.

However, there are some limitations to be aware of:

  • The model's performance heavily depends on the quality and diversity of the training data. Fine-tuning on more diverse and specific datasets might improve its performance.
  • Like all machine learning models, this model may produce inaccuracies or errors in speech synthesis, especially for complex sentences or domain-specific jargon.

Training and Evaluation Data

The model was fine-tuned on the CMU Haitian dataset, which contains text and corresponding audio samples in Haitian Creole. The dataset was split into training and evaluation sets to assess the model's performance.

Training Procedure

Training Hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • per_device_train_batch_size: 16
  • gradient_accumulation_steps: 2
  • warmup_steps: 500
  • max_steps: 4000
  • gradient_checkpointing: True
  • fp16: True
  • evaluation_strategy: no
  • per_device_eval_batch_size: 8
  • save_steps: 1000
  • logging_steps: 25
  • report_to: ["tensorboard"]
  • greater_is_better: False

Training Results

The training progress and evaluation results are as follows:

Training LossEpochStepValidation Loss
0.51472.4210000.4753
0.49324.8420000.4629
0.49267.2630000.4566
0.49079.6940000.4542
0.483912.1150000.4532

Training Output

The training was completed with the following output:

  • Global Step: 4000
  • Training Loss: 0.3344
  • Training Runtime: 7123.63 seconds
  • Training Samples per Second: 17.97
  • Training Steps per Second: 0.562
  • Total FLOPs: 1.1690e+16

Framework Versions

  • Transformers 4.31.0
  • PyTorch 2.0.1+cu118
  • Datasets 2.13.1
  • 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
e606b43

0 моделей