/ Модель

Характеристики

Параметры
3,5 млн
Лицензия
MIT
Архитектура
vits · dense
Базовая модель
mms-tts
Библиотека
transformers
Опубликована
21 окт 2024

swahili-tts-female-voice

Синтез речиТекст → аудио

Дообученная на базе facebook/mms-tts модель преобразует текст на суахили в речь женским голосом.

96скачиваний за 30 дней2лайкавеса обновлены21 окт 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

Это модель синтеза речи на суахили женским голосом, разработанная mussacharles60. Она предназначена для преобразования текста на суахили в речь и основана на архитектуре VITS; модель дообучена на базе facebook/mms-tts. В карточке указаны 3,5 млн параметров и формат safetensors.

Модель подходит для озвучивания текста на суахили и создания женского голосового сопровождения. Она опубликована под лицензией MIT. Карточка описывает её как продолжаемую разработку и предлагает попробовать модель; сведений о качестве и ограничениях синтеза не приводится.

Сценарии применения

  • озвучивание текста на суахили женским голосом
  • создание голосового сопровождения на суахили
  • синтез речи для приложений на суахили

Ограничения

Карточка не приводит оценок качества или подробных ограничений синтеза; модель описана как продолжаемая разработка.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Swahili female voice text-to-speech model

This is a continuous development of text-to-speech model for female voice using Swahili language

Please give it a try

for inference try the following

# import all required libraries
from transformers import VitsModel, AutoTokenizer
import torch
import numpy as np
import scipy.io.wavfile

# Load model and tokenizer
model = VitsModel.from_pretrained("mussacharles60/swahili-tts-female-voice")
tokenizer = AutoTokenizer.from_pretrained("mussacharles60/swahili-tts-female-voice")

# Running the TTS
text = "Mambo vipi ?, Hii ni Myssa Tech sauti ya A.I, kujaribishwa na Mussa Charles"
inputs = tokenizer(text, return_tensors="pt")

# Generate waveform
with torch.no_grad():
    output = model(**inputs).waveform

# Convert PyTorch tensor to NumPy array
output_np = output.squeeze().cpu().numpy()

# Write to WAV file
scipy.io.wavfile.write("female_voice_test.wav", rate=model.config.sampling_rate, data=output_np)

You're all welcome to contribute.

Thanks 🤗

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
VitsModel
Ревизия весов
b35240b

0 моделей