/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Опубликована
4 авг 2023

speecht5_finetuned_voxpopuli_es

Синтез речиТекст → аудио3 профессии

Дообученная на VoxPopuli модель SpeechT5 для синтеза испаноязычной речи из текста.

88скачиваний за 30 дней0лайковвеса обновлены15 сен 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

juancopi81/speecht5_finetuned_voxpopuli_es — модель синтеза речи из текста, созданная дообучением microsoft/speecht5_tts на датасете VoxPopuli. Она предназначена для преобразования текста в речь; в карточке приведено значение loss 0,4454 на оценочном наборе. Модель построена на архитектуре SpeechT5 и распространяется в форматах PyTorch и Safetensors.

Модель подходит для озвучивания испаноязычного текста в приложениях и экспериментах с синтезом речи. Лицензия MIT разрешает её использование на условиях этой лицензии. README не описывает голос, качество звучания или ограничения применения.

Сценарии применения

  • озвучивание испанского текста
  • создание голосовых сообщений на испанском языке
  • синтез речи для испаноязычных приложений

Ограничения

В карточке не приведены сведения о характеристиках голоса и качестве синтеза; указан только loss 0,4454 на оценочном 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_voxpopuli_es

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

  • Loss: 0.4454

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: 1e-05
  • train_batch_size: 4
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 4000

Training results

Training LossEpochStepValidation Loss
0.50974.3210000.4626
0.48428.6420000.4507
0.482812.9730000.4483
0.480717.2940000.4454

Framework versions

  • Transformers 4.31.0
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.3
  • 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
0bca67c

0 моделей