/ Модель

Характеристики

Контекст
512 токенов
Архитектура
parler_tts · dense
Библиотека
transformers
Опубликована
22 сен 2024

malay-parler-tts-mini-v1

Генерация текстаТекст → текст3 профессии

Дообученная на малайских данных модель Parler TTS для преобразования текста в речь.

178скачиваний за 30 дней3лайкавеса обновлены3 фев 2025

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

Malay Parler TTS Mini V1 — модель синтеза речи на малайском языке, дообученная Mesolitica на наборе данных для синтеза малайской речи. Она принимает текст и генерирует аудио, что подходит для озвучивания малайских текстов и создания голосовых ответов. Модель основана на архитектуре Parler TTS и опубликована в формате safetensors для использования с Transformers.

Карточка не сообщает размер модели, длину контекста, характеристики голоса или лицензию, поэтому эти свойства нельзя уточнить. README также не приводит сведения о качестве синтеза и ограничениях по применению; перед использованием следует проверить лицензионные условия репозитория.

Сценарии применения

  • озвучивание текстов на малайском языке
  • создание малайских голосовых ответов
  • генерация речи для малайских аудиоматериалов

Ограничения

В карточке не приведены оценка качества, характеристики голоса и условия лицензии. Поддержка указана для малайского языка; пригодность для других языков не подтверждена.

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

Malay Parler TTS Mini V1

Finetuned https://huggingface.co/parler-tts/parler-tts-mini-v1 on Malay TTS dataset

Source code at https://github.com/mesolitica/malaya-speech/tree/master/session/parler-tts

Wandb at https://wandb.ai/huseinzol05/parler-speech?nw=nwuserhuseinzol05

requirements

pip3 install git+https://github.com/mesolitica/async-parler-tts

how to

import torch
from parler_tts import ParlerTTSForConditionalGeneration
from transformers import AutoTokenizer
import soundfile as sf

device = "cuda:0" if torch.cuda.is_available() else "cpu"

model = ParlerTTSForConditionalGeneration.from_pretrained("mesolitica/malay-parler-tts-mini-v1").to(device)
tokenizer = AutoTokenizer.from_pretrained("mesolitica/malay-parler-tts-mini-v1")

speakers = [
    'Yasmin',
    'Osman',
    'Bunga',
    'Ariff',
    'Ayu',
    'Kamarul',
    'Danial',
    'Elina',
]

prompt = 'Husein zolkepli sangat comel dan kacak suka makan cendol'

for s in speakers:
    description = f"{s}'s voice, delivers a slightly expressive and animated speech with a moderate speed and pitch. The recording is of very high quality, with the speaker's voice sounding clear and very close up."

    input_ids = tokenizer(description, return_tensors="pt").to(device)
    prompt_input_ids = tokenizer(prompt, return_tensors="pt").to(device)

    generation = model.generate(
      input_ids=input_ids.input_ids,
      attention_mask=input_ids.attention_mask,
      prompt_input_ids=prompt_input_ids.input_ids,
      prompt_attention_mask=prompt_input_ids.attention_mask,
    )

    audio_arr = generation.cpu()
    sf.write(f'{s}.mp3', audio_arr.numpy().squeeze(), 44100)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура parler_tts неизвестна transformers в образе рантайма.

Класс архитектуры
ParlerTTSForConditionalGeneration
Ревизия весов
fd2bacd

0 моделей