/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
500 млн
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Fun-CosyVoice3-0.5B-2512
Опубликована
5 авг 2026

cosyvoice3-albanian-llm

Генерация текстаТекст → текст3 профессии

Дообученная языковая часть CosyVoice3 преобразует албанский текст в речь при использовании вместе с акустическим стеком CosyVoice3.

48скачиваний за 30 дней0лайковвеса обновлены5 авг 2026

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 «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат 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 языковая часть конвейера CosyVoice3 для синтеза речи на албанском языке, созданная автором репозитория nardi на основе FunAudioLLM/Fun-CosyVoice3-0.5B-2512. Чекпойнт Qwen2 с 0,5 млрд параметров и расширенным словарём объединяет базовую модель с LoRA, дообученной для албанского синтеза речи. В README указаны 55 часов албанской новостной речи VOA и 20 711 аудиофрагментов для обучения.

Модель принимает текст и предназначена для генерации албанской речи в составе CosyVoice3. Для работы ей требуется акустический стек CosyVoice3, включающий flow-matching DiT и HiFi-GAN; сам репозиторий содержит языковую часть. Контекст составляет 32 768 токенов. Указана лицензия Apache-2.0. README описывает узкую обучающую выборку из новостной речи, поэтому качество на иных жанрах, регистрах и вариантах произношения может отличаться.

Сценарии применения

  • синтез албанской речи из текста
  • озвучивание албанских новостных материалов
  • создание голосовых версий албанских публикаций

Ограничения

Для генерации речи необходим акустический стек CosyVoice3. Дообучение проводилось на албанской новостной речи, поэтому перенос на другие жанры и стили может быть ограничен.

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

CosyVoice3 — Albanian LLM (merged LoRA)

Albanian text-to-speech LLM checkpoint for the CosyVoice3 pipeline. This is the language-model part of FunAudioLLM/Fun-CosyVoice3-0.5B-2512 (a Qwen2-0.5B with an extended vocabulary: 151,924 text tokens + 6,561 speech tokens + special tokens), merged with a LoRA fine-tuned for Albanian speech synthesis.

Training data

  • 55 hours of Albanian news speech only (VOA valid Albanian, 20,711 clips).
  • LoRA: r=32, alpha=64, dropout=0.05, on all attention + MLP projections.

Usage

This checkpoint is meant to be used together with the CosyVoice3 acoustic stack (flow-matching DiT + HiFi-GAN). The easiest way is the Gradio demo / Space — it downloads the acoustic models from the official CosyVoice3 release and this repo for the LLM:

from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("nardi/cosyvoice3-albanian-commonvoice-llm")
model = AutoModelForCausalLM.from_pretrained("nardi/cosyvoice3-albanian-commonvoice-llm", dtype="bfloat16")
# -> feed text + prompt speech tokens, generate speech tokens, then decode
#    with flow.pt + hift.pt (see the Space's app.py for the full pipeline).

Token layout (see cosyvoice3_metadata.json): text < 151,924 | speech tokens 151,924 … 158,484 | <|sos|>=158,485 <|eos1|>=158,486 <|task_id|>=158,487.

License & ethics

Apache-2.0, following the base model. Voice cloning requires the explicit consent of the voice owner — do not use for impersonation or deception.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
e1c39ac

0 моделей