Характеристики

Лицензия: MIT
Базовая модель: Chatterbox-TTS-Persian-Farsi
Опубликована: 3 июл 2026

Ссылки

Chatterbox-TTS-Persian-gguf

Синтез речиТекст → аудио3 профессии

Chatterbox TTS Persian gguf — конвертация модели Thomcles/Chatterbox-TTS-Persian-Farsi, основанной на ResembleAI Chatterbox, в форматы GGUF/ggml для использования с CrispASR.

1 421скачиваний за 30 дней9лайковвеса обновлены4 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

Модель предназначена для синтеза речи на персидском языке (Farsi): преобразует текст в речевые токены, а затем генерирует аудио WAV с частотой дискретизации 24 кГц. Она подходит для локальных сценариев text-to-speech и приложений, которым требуется озвучивание персидского текста через CrispASR.

Пайплайн включает символьный токенизатор, компонент T3 на базе авторегрессионной 30-слойной архитектуры Llama размером 520M параметров, S3Gen с Conformer-энкодером и 1D UNet-денаизером CFM, а также вокодер HiFTGenerator с цепочками свёрток, активациями Snake и iSTFT. Для работы необходимы два файла GGUF: T3-модель и S3Gen-модель; в README указана конфигурация с chatterbox-t3-fa-f16.gguf и chatterbox-s3gen-q8_0.gguf. Данные об ограничениях качества, поддерживаемых голосах и контексте не приведены. Модель распространяется по лицензии MIT.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

In the Name of God

Chatterbox TTS Persian gguf

GGUF / ggml conversion of Thomcles/Chatterbox-TTS-Persian-Farsi for use with CrispStrobe/CrispASR.

Persian T3 (text-to-speech-tokens) variant of Chatterbox TTS.

demo audios:

"سلام! به آزمایش تبدیل متن به گفتار خوش آمدید." Your browser does not support audio.

"سه سیب سرخ روی سینی سیمی است" Your browser does not support audio.

"دیروز در تهران باران شد، امروز آفتابی است" Your browser does not support audio.

"قیمت لپ‌تاپ جدید من پنجاه میلیون تومان است." Your browser does not support audio.

Chatterbox is a full TTS pipeline: character tokenizer → T3 (30-layer Llama AR, 520M) → speech tokens → S3Gen (Conformer encoder + UNet1D CFM denoiser, 10 Euler steps) → HiFTGenerator vocoder (conv chains + Snake activations + iSTFT) → 24 kHz WAV.

How to use:

Two GGUF files are needed: the T3 model (text → speech tokens) and the S3Gen model (speech tokens → audio).

Download CrispASR:

github.com/CrispStrobe/CrispASR/releases

Download model files:

chatterbox-t3-fa-f16.gguf

chatterbox-s3gen-q8_0.gguf

Synthesise with the built-in default voice:

./crispasr.exe --backend chatterbox -m chatterbox-t3-fa-f16.gguf --codec-model chatterbox-s3gen-q8_0.gguf --tts "این سیستم طراحی شده است تا به کاربر دسترسی سریع و آسان به اطلاعات مورد نیاز را بدهد." --tts-output out.wav

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов: 772a914