/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
CosyVoice2-0.5B
Опубликована
7 июн 2026

CosyVoice2-0.5B-Akan-Bible

Синтез речиТекст → аудио3 профессии

Дообученная CosyVoice2-0.5B для синтеза речи на асанте-тви, обученная на высказываниях библейской тематики.

192скачиваний за 30 дней0лайковвеса обновлены7 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

Модель prince4332/CosyVoice2-0.5B-Akan-Bible — дообученная версия CosyVoice2-0.5B для синтеза речи на языке акан, вариант асанте-тви. Её подготовил автор репозитория prince4332 на основе модели FunAudioLLM; обучение проводилось на наборе ghananlpcommunity/asante-twi-bible-speech-text из 34,2 тыс. высказываний 10 дикторов, охватывающем библейскую тематику.

Дообучены модули LLM и Flow, чтобы освоить отображение фонем акан на речевые токены и улучшить просодию; вокодер, речевой токенизатор и энкодер диктора оставлены без изменений. Базовая модель поддерживает потоковую генерацию и клонирование голоса, однако README не уточняет, насколько эти функции сохранены или проверены в этой версии.

Модель предназначена для преобразования текста на асанте-тви в речь, в первую очередь для материалов библейской тематики. В репозитории указаны форматы ONNX и safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • озвучивание текста на асанте-тви
  • создание аудиоверсий библейских текстов на асанте-тви
  • синтез коротких высказываний на асанте-тви
  • озвучивание материалов для изучения языка асанте-тви

Ограничения

Обучающие данные ограничены библейской тематикой и включают 10 дикторов, поэтому качество для иных жанров, стилей речи и голосов не установлено. README не сообщает об оценке качества или сохранении потоковой генерации и клонирования голоса после дообучения.

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

CosyVoice2-0.5B — Asante Twi Bible Fine-tune

Fine-tuned version of CosyVoice2-0.5B for Akan (Asante Twi) text-to-speech synthesis.

Trained on the ghananlpcommunity/asante-twi-bible-speech-text dataset: 34.2k utterances, 10 speakers, Bible-domain Asante Twi.

Fine-tuning approach

Based on community guidance from FunAudioLLM/CosyVoice Issue #830:

  • LLM module fine-tuned (learns Akan phoneme→speech token mapping)
  • Flow module fine-tuned (improves prosody for new language)
  • Vocoder, speech tokenizer, and speaker encoder remain frozen

Usage

from huggingface_hub import snapshot_download
from cosyvoice.cli.cosyvoice import CosyVoice2
import torchaudio

model_dir = snapshot_download('prince4332/CosyVoice2-0.5B-Akan-Bible')
model = CosyVoice2(model_dir, load_jit=False, load_trt=False, fp16=True)

# Zero-shot voice cloning
prompt_wav, sr = torchaudio.load('reference_akan.wav')
if sr != 16000:
    prompt_wav = torchaudio.functional.resample(prompt_wav, sr, 16000)

for chunk in model.inference_zero_shot(
    tts_text='Meda wo ase.',
    prompt_text='Akwaaba!',
    prompt_speech_16k=prompt_wav,
    stream=False,
):
    torchaudio.save('output.wav', chunk['tts_speech'], 22050)

Training Details

  • Base model: FunAudioLLM/CosyVoice2-0.5B
  • Dataset: ghananlpcommunity/asante-twi-bible-speech-text (34.2k utterances)
  • Epochs: 30
  • Hardware: A100 GPU

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
2b91f4f

0 моделей