/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Опубликована
12 июл 2023

speecht5_finetuned_voxpopuli_es

Синтез речиТекст → аудио3 профессии

Дообученная на VoxPopuli ES модель SpeechT5 для синтеза испанской речи из текста.

93скачиваний за 30 дней1лайквеса обновлены14 сен 2023

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

ptah23/speecht5_finetuned_voxpopuli_es — дообученная Питером Гелдерблумом модель Microsoft SpeechT5 для синтеза испанской речи из текста на данных VoxPopuli ES. Она использует архитектуру SpeechT5ForTextToSpeech; веса доступны в форматах PyTorch и Safetensors. На оценочной выборке указана потеря 0,4400. Модель подходит для озвучивания испанских текстов и экспериментов с синтезом речи. Выпущена под лицензией MIT.

Сценарии применения

  • озвучивание текстов на испанском языке
  • создание испанской речевой дорожки для приложений
  • эксперименты с синтезом речи на данных VoxPopuli

Ограничения

В карточке приведена только оценочная потеря 0,4400; сведения о качестве звучания, голосах и ограничениях применения отсутствуют.

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

speec T5 ES - Peter Gelderbloem

This model is a fine-tuned version of microsoft/speecht5_tts on the Vox Populi ES dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4400

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: 1e-05
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 4000

Training results

Training LossEpochStepValidation Loss
0.67090.141000.6107
0.6240.282000.5773
0.59210.433000.5397
0.55040.574000.4941
0.52890.715000.4807
0.52360.856000.4732
0.51940.997000.4672
0.50951.138000.4650
0.5081.289000.4608
0.50291.4210000.4580
0.50291.5611000.4569
0.49521.712000.4540
0.49391.8413000.4540
0.49241.9914000.4523
0.49022.1315000.4519
0.4922.2716000.4491
0.48962.4117000.4497
0.48742.5518000.4482
0.48892.719000.4473
0.48882.8420000.4471
0.49022.9821000.4461
0.48183.1222000.4457
0.48543.2623000.4451
0.48863.424000.4429
0.47993.5525000.4429
0.48063.6926000.4429
0.47773.8327000.4416
0.47873.9828000.4423
0.48234.1229000.4419
0.48224.2630000.4409
0.47964.431000.4404
0.48054.5432000.4418
0.47954.6933000.4409
0.47844.8334000.4411
0.48124.9735000.4406
0.4785.1136000.4399
0.47665.2537000.4396
0.48215.3938000.4407
0.485.5439000.4396
0.47955.6840000.4400

Framework versions

  • Transformers 4.30.2
  • Pytorch 1.12.1+cu116
  • Datasets 2.4.0
  • Tokenizers 0.12.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechT5ForTextToSpeech
Ревизия весов
a490e74

0 моделей