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-fil

sapinsapin

Синтез речиТекст → аудио3 профессии

Дообученная на филиппинской речи модель SpeechT5 для синтеза аудио по тексту.

100скачиваний 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-fil — модель синтеза речи из текста, созданная дообучением SpeechT5 от Microsoft на наборе sapinsapin/pld. Она предназначена для озвучивания текста на филиппинском языке (fil); для формирования голоса использует speaker conditioning с x-вектором SpeechBrain, а для преобразования спектрограммы в аудио — вокодер microsoft/speecht5_hifigan. Модель обучалась 1000 шагов на 1913 аудиофрагментах; в карточке приведено значение eval_loss 0,4433. Репозиторий содержит веса safetensors и распространяется по лицензии MIT.

Сценарии применения

озвучивание текста на филиппинском языке
создание речевых образцов с заданным голосом
генерация аудио для приложений и прототипов синтеза речи

Ограничения

Модель обучена на сравнительно небольшом наборе из 1913 аудиофрагментов и 1000 шагах; карточка не приводит оценок качества синтеза, поэтому качество для разных текстов и голосов может различаться.

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 II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

speecht5_tts-pld-fil

microsoft/speecht5_tts finetuned on sapinsapin/pld.

Trained for 1000 steps on 1913 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	0.4433

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: b2eeb82