Характеристики

Контекст: 600 токенов
Лицензия: MIT
Архитектура: speecht5 · dense
Базовая модель: speecht5_tts
Библиотека: transformers
Опубликована: 8 авг 2026

Ссылки

Hugging Face

speecht5_tts-pld-ceb

sapinsapin

Синтез речиТекст → аудио3 профессии

Дообученная SpeechT5-модель для синтеза речи на Cebuano из текста.

49скачиваний за 30 дней0лайковвеса обновлены8 авг 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

sapinsapin/speecht5_tts-pld-ceb — модель синтеза речи из текста, разработанная sapinsapin дообучением microsoft/speecht5_tts на датасете sapinsapin/pld. Она предназначена для озвучивания текста на Cebuano и использует архитектуру SpeechT5; для генерации речи предусмотрена привязка к голосу говорящего через x-vector conditioning и вокодер microsoft/speecht5_hifigan. Модель обучалась 1000 шагов на 1847 аудиофрагментах; формат весов — safetensors, библиотека запуска — Transformers.

Модель подходит для создания озвучки и речевых образцов на Cebuano. В карточке приведено значение eval_loss 0.4070, однако качество и естественность синтеза отдельно не описаны. Распространяется по лицензии MIT.

Сценарии применения

озвучивание текста на Cebuano
создание голосовых образцов на Cebuano
синтез речи с заданным голосовым профилем

Ограничения

Обучение проводилось на 1847 аудиофрагментах и 1000 шагах; карточка не приводит оценок естественности или разборчивости синтеза.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

speecht5_tts-pld-ceb

microsoft/speecht5_tts finetuned on sapinsapin/pld.

Trained for 1000 steps on 1847 clips (batch 4×8, lr 1e-05, fp32 + gradient checkpointing). Synthesized listen-test samples are in samples/ (speechbrain x-vector speaker conditioning + microsoft/speecht5_hifigan vocoder).

metric	value
eval_loss	0.4070

Trained with finetune_tts.py from the halohalo pipeline; the dataset adapter normalizes each corpus to (audio@16k, text, speaker_id) so corpora are swappable with a --dataset flag.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры: SpeechT5ForTextToSpeech
Ревизия весов: c5c0341