/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Опубликована
28 авг 2023

speecht5_finetuned_voxpopuli_it

Синтез речиТекст → аудио3 профессии

Дообученная на VoxPopuli модель SpeechT5 для синтеза итальянской речи из текста.

89скачиваний за 30 дней0лайковвеса обновлены7 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

ruisp/speecht5_finetuned_voxpopuli_it — модель синтеза речи из текста, созданная дообучением microsoft/speecht5_tts на наборе данных facebook/voxpopuli. Она использует архитектуру SpeechT5 и модель speechbrain/spkrec-xvect-voxceleb для получения вектора голоса диктора. Модель предназначена для преобразования текста в итальянскую речь; в README приведено значение loss 0,5126 на оценочной выборке.

Модель распространяется в форматах PyTorch и Safetensors по лицензии MIT. В карточке не приведены сведения о естественности речи, поддержке нескольких голосов или практических ограничениях синтеза.

Сценарии применения

  • синтез итальянской речи по тексту
  • озвучивание итальянских текстов
  • создание аудиоверсий итальянских материалов

Ограничения

README не описывает качество и естественность синтеза, ограничения применения или доступные голосовые варианты.

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_tts-ft-voxpopuli-it

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

  • Loss: 0.5126

Model description

It uses the speaker embedding model speechbrain/spkrec-xvect-voxceleb

Intended uses & limitations

More information needed

Training and evaluation data

test_size=0.15

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 8
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 4
  • 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: 300
  • training_steps: 1000

Training results

Training LossEpochStepValidation Loss
0.61181.943000.5508
0.57293.896000.5204
0.5635.839000.5126

Framework versions

  • Transformers 4.33.0
  • Pytorch 1.12.1+cu116
  • Datasets 2.14.4
  • 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
cabd4d3

0 моделей