Дообученная модель MOSS-TTS-Nano для синтеза речи на бразильском португальском четырьмя голосами с поддержкой клонирования по аудиообразцу.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
moss-nano-ptbr-4voices — дообученная Marcos Remar модель синтеза речи MOSS-TTS-Nano с 100 млн параметров. Она предназначена для генерации речи на бразильском португальском четырьмя голосами: тремя мужскими и одним женским. В режиме клонирования голоса можно передать аудиообразец нужного голоса.
Модель основана на OpenMOSS-Team/MOSS-TTS-Nano-100M и доступна в формате PyTorch. В карточке приведены значения WER для четырёх голосов — от 0,03 до 0,10 по оценке Whisper-large-v3. Лицензия — Apache-2.0.
Карточка сообщает метрики WER только для четырёх голосов; качество для других голосов и языков не описано. Для клонирования требуется аудиообразец нужного голоса.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
MOSS-TTS-Nano (100M, CPU) fine-tunado em 4 vozes PT-BR (3M+1F, refs reais CML-TTS, ~5k clips/voz via Qwen3-TTS-1.7B clone, 3 epocas). WER por voz: 05=0.10, 07=0.08, 11=0.05, 12=0.03 (Whisper-large-v3). Modo voice_clone: passe o audio de referencia da voz desejada.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Модели нужен код из репозитория; автор пока не в списке доверенных организаций.