/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
29 июл 2026

wayu-kokoro-thai-v1

Синтез речиТекст → аудио

Дообученная на тайском языке модель Kokoro преобразует текст в речь и поддерживает 12 голосов с выводом 24 кГц.

0скачиваний за 30 дней1лайквеса обновлены29 июл 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

kunato/wayu-kokoro-thai-v1 — пакет для запуска тайской версии Kokoro, разработанный kunato. Это дообученная на тайском языке студенческая модель на основе Kokoro-82M с архитектурой StyleTTS2-lite. Пакет включает графы ONNX для инференса через onnxruntime, веса для запуска на PyTorch, голосовые профили и фронтенд преобразования текста в фонемы.

Модель синтезирует речь с частотой дискретизации 24 кГц и предлагает 12 голосов. Тайский текст обрабатывается через tltk, латинский текст — через английский фронтенд misaki-en; оба используют общий словарь из 114 токенов. Репозиторий предназначен для интеграции в kokoro-tts-web и содержит компоненты для запуска, а не только отдельный чекпойнт.

Модель подходит для озвучивания тайского текста разными голосами; заявлена также обработка латинского текста через английский фронтенд. Карточка не сообщает об ограничениях качества или контекста. Лицензия — Apache-2.0.

Сценарии применения

  • озвучивание тайского текста
  • генерация тайской речи с выбором одного из 12 голосов
  • интеграция синтеза тайской речи в веб-сервис через ONNX Runtime
  • озвучивание латинского текста английским фронтендом Kokoro

Ограничения

Для тайской обработки требуется фронтенд tltk, а для латинского текста — misaki-en и en_core_web_sm. Описанный пакет ориентирован на инференс.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Kokoro Thai — th_v3p (serving bundle)

Serving bundle for the Thai Kokoro student model: 12 speakers, 24 kHz output. Contains the inference-only checkpoint, the speaker roster with its reference recordings, prebuilt length-aware voice packs, and the kokoro_thai frontend code the runtime imports.

Consumed by kokoro-tts-web — set KOKORO_HF_REPO to this repo id and the backend downloads and uses it as its model root.

Layout

PathWhat
onnx/the serving path: ONNX graphs, per-speaker style vectors, numpy voice packs. Runs on onnxruntime alone — no torch, no checkpoint
runs/th_v3p/kokoro_thai_ep8.pthinference weights (7 modules, no optimizer/discriminator state), for the torch backend
kokoro_thai/, train.py, assets/G2P + model code imported at runtime
data/seeds/roster.json and one reference wav per speaker
voicepacks/prebuilt per-speaker length-aware style packs (pace="steady")
samples/one pre-rendered preview per voice, so a deployment never synthesizes them at boot

Text frontend

kokoro_thai/g2p.py is bilingual: Thai runs go through tltk, Latin runs through misaki-en (Kokoro's own English G2P), both landing in the shared 114-token vocab. A deployment therefore needs misaki[en] and a pinned en_core_web_sm alongside tltk — see requirements-deploy.txt in kokoro-tts-web.

Derived from Kokoro-82M (StyleTTS2-lite), fine-tuned on Thai.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
abf63dc

0 моделей