/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Опубликована
10 апр 2024

malay_full_checkpoint

Генерация аудиоТекст → аудио3 профессии

Дообученная на неизвестном наборе данных модель SpeechT5 для синтеза речи из текста.

12скачиваний за 30 дней0лайковвеса обновлены11 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/malay_full_checkpoint — дообученная модель Microsoft SpeechT5 TTS для преобразования текста в аудио. В карточке указан результат оценки: loss 0,3226; датасет и дополнительные сведения о назначении модели не описаны. Модель распространяется в формате safetensors по лицензии MIT. Базовая модель SpeechT5 предназначена для синтеза речи из текста.

Сценарии применения

  • синтез речи из текста
  • создание аудиоверсий текстов

Ограничения

Датасет дообучения, поддерживаемые языки и качество синтеза в README не описаны; приведён только loss 0,3226 на оценочной выборке.

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_full_checkpoint

This model is a fine-tuned version of microsoft/speecht5_tts on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3226

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: 0.0001
  • 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: 10000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
0.55380.215000.4798
0.48880.4210000.4282
0.45060.6315000.4016
0.42690.8420000.3948
0.42441.0525000.3797
0.40091.2630000.3672
0.39761.4735000.3653
0.39031.6840000.3560
0.381.8845000.3525
0.39292.0950000.3472
0.37992.355000.3459
0.37422.5160000.3370
0.37132.7265000.3364
0.37042.9370000.3313
0.35693.1475000.3307
0.35083.3580000.3293
0.35443.5685000.3288
0.36193.7790000.3265
0.35423.9895000.3239
0.3614.19100000.3226

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
d9aaae1

0 моделей