/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
jano · dense
Опубликована
18 сен 2026

jano-tts

Синтез речиТекст → аудио3 профессии

Компактная англоязычная модель синтеза речи с 128 голосами и выводом аудио 24 кГц.

228скачиваний за 30 дней0лайковвеса обновлены20 сен 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

Jano-TTS — компактная многоголосая модель синтеза речи, построенная на Flow Matching и архитектуре UNet в стиле Matcha. По данным карточки, она содержит около 24,6 млн параметров, поддерживает 128 голосов и создаёт аудио с частотой 24 кГц с помощью вокодера Vocos.

Модель предназначена для преобразования текста в речь на английском языке. Небольшой размер и поддержка множества голосов подходят для приложений, которым нужен быстрый синтез речи с выбором диктора. В репозитории указаны веса safetensors и лицензия Apache-2.0.

Сценарии применения

  • синтез английской речи из текста
  • генерация речи разными голосами
  • озвучивание коротких текстов в приложениях

Ограничения

Карточка не описывает качество на разных типах текста и условия выбора или настройки голосов. Подтверждена поддержка английского языка; переносимость на другие языки не заявлена.

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

Jano TTS

Jano-TTS is a lightweight, fast multi-speaker Text-to-Speech model based on Flow Matching and a Matcha-style UNet architecture. With only ~24.6M parameters, it supports 128 speakers and generates high-fidelity 24kHz audio via the Vocos vocoder.


⚡ Quick Start

1. Install Requirements

pip install -q torch transformers vocos tokenizers

2. Run Inference

from IPython.display import Audio
import torch
from transformers import AutoModel

device = "cuda" if torch.cuda.is_available() else "cpu"

# Load the model
model = AutoModel.from_pretrained(
    "jano3/jano-tts", 
    trust_remote_code=True
).to(device)

# Generate audio
audio = model.inference(
    text="Hello world! Jano TTS is running smoothly.",
    spk_id=99,            # Speaker ID (0 - 127)
    temperature=0.7,
    cfg_strength=2.0,
    n_steps=16,           # 8-16 steps (use fewer steps on CPU for faster inference)
)

# Play the output
Audio(audio, rate=24000, autoplay=True)

More info & Fine-Tuning Guide: https://github.com/laki35/jano-tts/blob/main/README.md


Citation

If you use this model in your research or project, please cite it as follows:

@misc{jano_tts,
  author = {Jano3},
  title = {Jano-TTS: Lightweight Flow-Matching Text-to-Speech},
  year = {2026},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/jano3/jano-tts}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры
JanoModel
Ревизия весов
1cb1a83

0 моделей