/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Библиотека
transformers
Опубликована
7 окт 2025

speecht5_finetuned_North_fa

Генерация аудиоТекст → аудио3 профессии

Дообученная модель SpeechT5 для преобразования текста в аудио.

150скачиваний за 30 дней0лайковвеса обновлены7 окт 2025

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

payamvha/speecht5_finetuned_North_fa — модель синтеза речи на основе архитектуры SpeechT5, дообученная автором payamvha. Она принимает текст и генерирует аудио; модель доступна в формате safetensors для библиотеки Transformers. В README указан результат оценки Loss 0,6506, но описание набора данных и методики оценки отсутствует.

Модель можно использовать для преобразования текста в речь. По названию репозитория предполагается ориентация на северный вариант персидского языка, однако README и метаданные не подтверждают язык обучения или синтеза. Лицензия — MIT.

Сценарии применения

  • синтез речи из текста
  • озвучивание текстовых материалов
  • создание аудиоверсий коротких сообщений

Ограничения

Данные обучения и подробности применения не описаны; метрика Loss 0,6506 приведена без сведений о наборе оценки и методике. Язык синтеза нельзя подтвердить по доступным данным.

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

speecht5_finetuned_North_fa

This model is a fine-tuned version of payamvha/speecht5_finetuned_North_fa on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6506

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: 5e-05
  • train_batch_size: 4
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • training_steps: 400
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
0.71384.1778500.6631
0.6828.35561000.6615
0.662512.53331500.6569
0.653316.71112000.6403
0.641520.88892500.6409
0.634725.03000.6577
0.621229.17783500.6558
0.625133.35564000.6506

Framework versions

  • Transformers 4.56.2
  • Pytorch 2.8.0+cu126
  • Datasets 4.0.0
  • Tokenizers 0.22.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechT5ForTextToSpeech
Ревизия весов
cfcb2d0

0 моделей