/ Модель

Характеристики

Лицензия
MIT
Опубликована
4 июл 2026

piper-voice-ur-aegis-female

Синтез речиТекст → аудио3 профессии

Женская голосовая модель Piper ONNX для синтеза речи на урду с локальным выводом на CPU.

247скачиваний за 30 дней0лайковвеса обновлены12 окт 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

mahwizzzz/piper-voice-ur-aegis-female — женский голос для синтеза речи на урду в формате Piper ONNX. Модель предназначена для локального вывода на CPU; в карточке указаны качество medium, частота дискретизации 22 050 Гц и фонемизация через eSpeak-ng для урду.

В README указано, что голос дообучен на базе Fasih (ur_PK-male-medium), который, в свою очередь, обучался на среднем чекпойнте для хинди Rohan. В карточке также упоминается статья о дистилляции OmniVoice в студенческую модель VITS, но связь этой истории с данным репозиторием не прояснена. Модель рассчитана на синтез женской речи на урду, включая локальное озвучивание текста и задачи доступности.

Репозиторий распространяется по лицензии MIT. В карточке нет количественных оценок естественности, качества произношения или сходства голоса; охват диалектов и поведение при смешении языков не измерены. Использование eSpeak-ng может приводить к расхождениям с произношением носителей урду.

Сценарии применения

  • озвучивание текста на урду женским голосом
  • локальный синтез речи на CPU
  • создание аудиоверсий материалов на урду
  • озвучивание интерфейсов и уведомлений на урду
  • синтез речи для задач доступности

Ограничения

В карточке нет количественных оценок качества, естественности или сходства голоса; диалектный охват и поведение при смешении языков не измерены. Фонемизация eSpeak-ng для урду может расходиться с произношением носителей; описание происхождения через Fasih и упоминание дистилляции OmniVoice не согласованы.

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

ur_PK-aegis_female-medium

Female Urdu speech-synthesis voice in Piper ONNX format.

Purpose

CPU inference of a female ur_PK voice. The previous card describes the quality tier as medium and the sample rate as 22050 Hz, with an eSpeak-ng ur phonemizer.

LanguageUrdu (ur_PK)
GenderFemale
QualityMedium
Sample rate22050 Hz
PhonemizereSpeak (ur)
ONNX fileur_PK-aegis_female-medium.onnx
ONNX size63,515,589 bytes (Hub Content-Length on the default branch, retrieved 2 October 2026)

The article title rounds the release to about 61 MB. The byte count above is the file size, not an audio-quality metric.

Upstream attribution

This card states that the voice was fine-tuned from Fasih (ur_PK-male-medium) by IhorShevchuk: https://huggingface.co/IhorShevchuk/piper-voice-ur-fasih

Fasih was itself trained from a Hindi (hi_IN) medium checkpoint (Rohan), via rhasspy/piper-checkpoints.

A separate article, Distilling OmniVoice into Aegis, describes data-level distillation from OmniVoice into a VITS student and describes Fasih as a complementary male voice. This repository does not contain the distillation corpus, teacher outputs, or training logs, and the two accounts are not reconciled here.

Data provenance

Not in this repository: training transcript source, hours, speaker count, whether the audio is recorded or synthesized, and the data license. The article linked above discusses distillation. Those details are not copied here as repository evidence.

Training

The previous card states:

  • Fine-tuned from the Fasih Urdu male checkpoint.
  • Phonemes: eSpeak-ng ur IPA.

Steps, learning rate, hardware, and seed are not in this repository.

Evaluation

No word-error rate, MOS, or speaker-similarity figure is stored in this repository. Audio samples are under samples/.

Limitations

  • Quality, dialect coverage, and code-switching behavior are not measured in this card.
  • The fine-tune-from-Fasih statement and the distillation article are unreconciled.
  • eSpeak Urdu phonemization can diverge from native pronunciation. That is a property of the named phonemizer, not a new measured error rate.

License

MIT. Copyright (c) 2026 Muhammad Mahwiz Khalil (Proxima AI).

This model is licensed under MIT, which requires retaining this copyright and license notice in all copies or substantial portions of the work, including redistributions and re-uploads.

If you use, fine-tune, or redistribute this model, retain attribution to:

Muhammad Mahwiz Khalil (Proxima AI) — https://huggingface.co/mahwizzzz

See the LICENSE file. The copyright notice must be preserved in any copy or redistribution.

Usage

echo 'یہ ایک سادہ جملہ ہے۔' | piper \
  --model ur_PK-aegis_female-medium.onnx \
  --config ur_PK-aegis_female-medium.onnx.json \
  --output_file output.wav

Files:

ur_PK-aegis_female-medium.onnx
ur_PK-aegis_female-medium.onnx.json
samples/speaker_0.mp3

Citation

@misc{aegis_urdu_tts_2026,
  author    = {Khalil, Muhammad Mahwiz},
  title     = {Aegis: Female Urdu Piper TTS Voice (ur_PK-aegis_female-medium)},
  year      = {2026},
  publisher = {Hugging Face},
  url       = {https://huggingface.co/mahwizzzz/piper-voice-ur-aegis-female}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
96f25cc

0 моделей