/ Модель

Характеристики

Лицензия
CC BY-NC-SA 4.0
Архитектура
dual_ar · dense
Опубликована
7 дек 2024

fish-speech-1.5

Синтез речиТекст → аудио3 профессии

Конвертированная версия Fish Speech v1.5 для синтеза речи из текста на 13 языках с использованием fish-speech.rs.

115скачиваний за 30 дней1лайквеса обновлены7 дек 2024

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

Это конвертированная в формат safetensors версия весов Fish Speech v1.5, подготовленная jkeisling для работы с fish-speech.rs и экосистемой Hugging Face. Модель использует архитектуру DualAR и предназначена для синтеза речи по тексту на нескольких языках.

Fish Speech v1.5 обучена более чем на миллионе часов аудиоданных. Поддерживаются китайский, английский, японский, немецкий, французский, испанский, корейский, арабский, русский, нидерландский, итальянский, польский и португальский языки. Репозиторий упрощает загрузку весов и токенизатора, но эти веса несовместимы с официальным кодом инференса Fish Speech; VQGAN взят из версии 1.4. Лицензия CC BY-NC-SA 4.0 запрещает коммерческое использование.

Сценарии применения

  • озвучивание текста на русском языке
  • синтез речи на китайском и английском языках
  • создание многоязычной голосовой озвучки
  • генерация аудио из текстового контента

Ограничения

Веса не работают с официальным кодом инференса Fish Speech и предназначены для fish-speech.rs. Коммерческое использование запрещено условиями лицензии CC BY-NC-SA 4.0.

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

This is a reformat of the official Fish Speech v1.5 weights to work with fish-speech.rs.

I've made the following changes, for better compatibility with Candle.rs and the HuggingFace ecosystem:

  • DualAR transformer weights converted to .safetensors for safety and easier loading
  • Tokenizer ported from Tiktoken format and custom wrapper to HuggingFace Tokenizers for easier downstream use
  • VQGAN is unchanged from v1.4, so copying the weight-norm merged safetensors and FireflyGAN config from my previous conversion

NOTE:

  • Please respect the original license and do not use this model for commercial purposes. You can support Fish Audio by using the official API at fish.audio.
  • These weights WILL NOT work with the official Fish Speech inference code!

ORIGINAL README: Fish Speech V1.5

Fish Speech V1.5 is a leading text-to-speech (TTS) model trained on more than 1 million hours of audio data in multiple languages.

Supported languages:

  • English (en) >300k hours
  • Chinese (zh) >300k hours
  • Japanese (ja) >100k hours
  • German (de) ~20k hours
  • French (fr) ~20k hours
  • Spanish (es) ~20k hours
  • Korean (ko) ~20k hours
  • Arabic (ar) ~20k hours
  • Russian (ru) ~20k hours
  • Dutch (nl) <10k hours
  • Italian (it) <10k hours
  • Polish (pl) <10k hours
  • Portuguese (pt) <10k hours

Please refer to Fish Speech Github for more info.
Demo available at Fish Audio.

Citation

If you found this repository useful, please consider citing this work:

@misc{fish-speech-v1.4,
      title={Fish-Speech: Leveraging Large Language Models for Advanced Multilingual Text-to-Speech Synthesis}, 
      author={Shijia Liao and Yuxuan Wang and Tianyu Li and Yifan Cheng and Ruoyi Zhang and Rongzhi Zhou and Yijin Xing},
      year={2024},
      eprint={2411.01156},
      archivePrefix={arXiv},
      primaryClass={cs.SD},
      url={https://arxiv.org/abs/2411.01156}, 
}

License

This model is permissively licensed under the BY-CC-NC-SA-4.0 license.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура dual_ar неизвестна transformers в образе рантайма.

Ревизия весов
ef7b06e

0 моделей