/ Модель

Характеристики

Лицензия
MIT
Опубликована
15 авг 2026

negara-g2p-v2-homorich-disambiguated

Синтез речиТекст → аудио

Дообученная модель преобразует персидский текст в фонетическую запись и разрешает неоднозначность омографов с учётом контекста для конвейеров синтеза речи.

0скачиваний за 30 дней2лайкавеса обновлены19 авг 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

Negara-G2P-v2 Homograph-Disambiguated — дообученная модель на базе negara-g2p-clean-v2, предназначенная для преобразования персидского текста в фонетическую запись. Она учитывает контекст, чтобы различать омографы с разным произношением, и рассчитана на подготовку фонем для конвейеров синтеза речи, включая VITS, FastSpeech2 и Tacotron2. В README сообщаются результаты оценки на размеченных человеком данных HomoRich: точность разрешения неоднозначности омографов 94,74%, PER 2,41% и WER 8,33%; эти показатели относятся к описанным тестам и не гарантируют аналогичного качества на других данных. Модель опубликована в формате safetensors и распространяется по лицензии MIT.

Сценарии применения

  • Преобразование персидского текста в фонемы перед синтезом речи
  • Выбор правильного произношения персидских омографов по контексту
  • Подготовка фонетической транскрипции для VITS
  • Подготовка произношения для FastSpeech2 или Tacotron2

Ограничения

README приводит метрики на конкретных тестах HomoRich и наборе из 19 контекстных пар; качество на других текстах не установлено. Преобразование в фонемы само по себе не генерирует аудио.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Negara-G2P-v2 (Homograph-Disambiguated & Natural Pronunciation)

This model is an advanced, robust fine-tuned version of negara-g2p-clean-v2 specifically optimized for Persian Grapheme-to-Phoneme (G2P) conversion. It achieves state-of-the-art results in Contextual Homograph Disambiguation (رفع ابهام هم‌نگاشت‌ها) while consistently maintaining superior baseline phonetic precision without catastrophic forgetting.


📊 Scientific Benchmark & Evaluation

To evaluate the model rigorously without synthetic bias, we benchmarked the fine-tuned checkpoint against the base model using Cleaned Human Ground Truth (derived from the human-annotated HomoRich benchmark) alongside a specialized Homograph Disambiguation Test Suite (19 Contextual Pairs):

Model NameHomograph Accuracy (%) ⬆️True PER (%) ⬇️True WER (%) ⬇️Latency (ms) ⚡
Base Model (negara-g2p-clean-v2)63.16%2.59%8.62%145.40 ms
Our Fine-Tuned Model (Optimal)94.74% (+31.58%)2.41% (Best)8.33% (Best)175.89 ms

🌟 Key Highlights:

  • +31.58% Absolute Leap in Disambiguation: Resolves highly ambiguous Persian homographs depending on syntax and surrounding semantic context (e.g., maskan [home] vs. mosakken [painkiller], keSti [ship] vs. koSti [wrestling], deh [village] vs. dah [ten], mohr [stamp] vs. mehr [affection]).
  • Zero Catastrophic Forgetting: Not only preserves base phonetic capabilities, but lowers the overall Phoneme Error Rate (PER: 2.41%) and Word Error Rate (WER: 8.33%) across general Persian text.
  • Optimized for Persian TTS Pipelines: Generates clean, consistent phonetic notation ideal for acoustic models (such as VITS, FastSpeech2, and Tacotron2).

🔍 Qualitative Comparison (Base vs. Fine-Tuned)

#Input Sentence (Persian)Base Model (negara-g2p-clean-v2)Fine-Tuned Model (Ours)Target Context / Meaning
1کشتی بزرگی در دریا غرق شد.kaStiye bozorgi... ❌keStiye bozorgi... ✅Ship (keSti) vs. Wrestling (koSti)
2از مسکن بیرون آمدم تا یک قرص مسکن خوردم.az mosakken ... qorse mosakken ❌az maskan ... qorse mosakken ✅Home (maskan) vs. Painkiller (mosakken)
3فضای ده بسیار آرام بود و ده نفر بیدار بودند.fazAye dah ... faqat dah nafar ❌fazAye deh ... faqat dah nafar ✅Village (deh) vs. Ten (dah)
4به سمت مزرعه رفت، مردی که سمت کدخدایی داشت.be samte ... samte kadkhodAi ❌be samte ... semate kadxodAyi ✅Direction (samt) vs. Job Title (semat)
5حیوان درنده بود؛ شاید یک ببر! وسایلت را ببر!... SAyad yek bebar! ... bebar ❌... SAyad yek babr! ... bebar ✅Tiger (babr) vs. To Take (bebar)
6در کشور قطر بود و لوله‌ای به قطر چند متر ساخت.keSvare qatar ... be qatar Cand metr ❌keSvare qatar ... be qotre Cand metr ✅Country Qatar (qatar) vs. Diameter (qotr)
7او با کمال مهر به نامه‌ای مهر تایید زد.kamAle mehr ... mehre tayid ❌kamAle mehr ... mohre ta'yid ✅Affection (mehr) vs. Stamp/Seal (mohr)
8به شدت مراقب عرض و آبروی دیگران بود.morAqebe arz va Abru ❌morAqebe erz o Abru ✅Honor/Dignity (erz) vs. Expressing (arz)

💻 Usage Example

import torch
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

device = "cuda" if torch.cuda.is_available() else "cpu"
model_id = "jafarahmadi/negara-g2p-v2-homorich-disambiguated"

# Load tokenizer and fine-tuned model
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForSeq2SeqLM.from_pretrained(model_id).to(device)
model.eval()

# Sample text with homograph challenges
text = "کشتی بزرگی در دریا غرق شد و مسافران از مسکن خود دور شدند."

inputs = tokenizer(text, return_tensors="pt").to(device)

with torch.no_grad():
    outputs = model.generate(
        **inputs,
        max_length=256,
        num_beams=4,
        early_stopping=True
    )

phonemes = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(phonemes)
# Expected Output: keStiye bozorgi dar daryA qarq Sod va mosAferAn az maskane xod dur Sodand

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
64d7fd7

0 моделей