/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
malay_full_checkpoint
Опубликована
12 апр 2024

fil_weak_checkpoint

Генерация аудиоТекст → аудио3 профессии

Дообученная модель SpeechT5 для преобразования текста в аудио.

9скачиваний за 30 дней0лайковвеса обновлены12 апр 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Синтез речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

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

mikhail-panzo/fil_weak_checkpoint — дообученная модель SpeechT5 на базе mikhail-panzo/malay_full_checkpoint. По задаче text-to-audio она предназначена для преобразования текста в аудио. В README приведено значение Loss 0,5971 на оценочном наборе, однако состав данных и подробности оценки не раскрыты. Модель опубликована в формате safetensors по лицензии MIT.

Сценарии применения

  • синтез аудио по тексту
  • экспериментальная генерация речи из текстовых запросов
  • оценка качества синтеза речи на собственном наборе данных

Ограничения

Данные обучения, поддерживаемые языки и характеристики генерируемой речи не описаны; приведённая метрика Loss не сопровождается деталями оценки.

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

fil_weak_checkpoint

This model is a fine-tuned version of mikhail-panzo/malay_full_checkpoint on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5971

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-07
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 2000
  • training_steps: 4000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
0.87316.15000.7693
0.825412.210000.7411
0.765818.2915000.7017
0.716324.3920000.6637
0.689430.4925000.6350
0.663636.5930000.6143
0.653442.6835000.6035
0.648548.7840000.5971

Framework versions

  • Transformers 4.40.0.dev0
  • Pytorch 2.2.1+cu121
  • Datasets 2.18.0
  • Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechT5ForTextToSpeech
Ревизия весов
fa13788

0 моделей