Характеристики

Контекст: 131 072 токена
Лицензия: Apache 2.0
Архитектура: omnivoice · dense
Библиотека: omnivoice
Опубликована: 27 июн 2026

Ссылки

omnivoice-swahili-5h

Синтез речиТекст → аудио

Дообученная на пятичасовом наборе данных модель OmniVoice преобразует текст на суахили в речь с учётом тональных особенностей языка.

5скачиваний за 30 дней0лайковвеса обновлены27 июн 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

omnivoice-swahili-5h — модель синтеза речи семейства OmniVoice, дообученная командой k2-fsa для языка суахили на пятичасовом наборе данных. Это вспомогательный чекпойнт к постеру Deep Learning Indaba 2026 RIAD «Tone on a Budget»; модель предназначена для преобразования текста на суахили в речь с акцентом на передачу тональных особенностей языка. Она использует архитектуру OmniVoice и библиотеку omnivoice, веса размещены в формате safetensors. Лицензия — Apache-2.0. Сведения о размере модели и длине контекста в доступных материалах отсутствуют.

Сценарии применения

озвучивание текста на суахили
синтез речи для малоресурсного суахили
создание голосовых образцов для приложений на суахили

Ограничения

Модель обучалась на ограниченном бюджете данных — пяти часах аудио; качество синтеза за пределами суахили и её устойчивость к разным стилям речи не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

omnivoice-swahili-5h

OmniVoice (k2-fsa) finetuned for Swahili at a 5h data budget - companion checkpoint for the Deep Learning Indaba 2026 (RIAD) poster "Tone on a Budget".

Code, the reference-free tone_i2 tone metric, and the recipe: https://github.com/mosesdaudu001/tone-on-a-budget

License & codec

These weights are a derivative of OmniVoice (k2-fsa, Apache-2.0). At inference the model loads the Higgs-Audio-v2 codec separately; that codec carries the Boson Higgs Audio 2 Community License (non-commercial, output-restriction). This repo contains only the Apache-2.0-derived OmniVoice weights - obtain the codec from its own source.

Как запустить

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

GPU в ailist

Универсальный рантайм · omnivoice

Нельзя запустить

Архитектура omnivoice неизвестна transformers в образе рантайма.

Класс архитектуры: OmniVoice
Ревизия весов: 6bc12f5