/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Библиотека
transformers
Опубликована
20 июл 2026

gyi-LUK-audio-aligned-speecht5

Генерация аудиоТекст → аудио3 профессии

Дообученная на базе SpeechT5 модель для преобразования текста в речь.

14скачиваний за 30 дней1лайквеса обновлены20 июл 2026

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

gyi-LUK-audio-aligned-speecht5 — дообученная модель SpeechT5 для синтеза речи из текста. Она основана на microsoft/speecht5_tts, построена на архитектуре SpeechT5 и сохранена в формате safetensors. В карточке указана оценка Loss 0.0899 на наборе оценки, но состав данных и методика оценки не описаны.

Модель предназначена для преобразования текста в аудио. Лицензия репозитория — MIT. Карточка не сообщает, для каких языков или голосов выполнялось дообучение, поэтому область применения и качество синтеза для конкретных языков и сценариев определить нельзя.

Сценарии применения

  • синтез речи из текстовых фраз
  • создание аудиоверсии коротких сообщений
  • озвучивание текста в приложениях

Ограничения

Данные обучения и оценки не описаны, а языки и голосовые характеристики не указаны в карточке. Значение Loss 0.0899 приведено без деталей методики, поэтому оно не позволяет оценить качество в конкретных сценариях.

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

gyi-LUK-audio-aligned-speecht5

This model is a fine-tuned version of microsoft/speecht5_tts on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0899

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: 5e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 3407
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 64
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 2000
  • training_steps: 20000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
0.09350.010000.0865
0.0751100.020000.0819
0.0725150.030000.0800
0.0564200.040000.0813
0.0531250.050000.0804
0.0484300.060000.0812
0.0466350.070000.0824
0.0427400.080000.0868
0.0417450.090000.0871
0.0646500.0100000.0864
0.0387550.0110000.0881
0.0409600.0120000.0878
0.0389650.0130000.0890
0.0422700.0140000.0891
0.0428750.0150000.0894
0.0424800.0160000.0891
0.0441850.0170000.0897
0.044900.0180000.0906
0.0365950.0190000.0906
0.03591000.0200000.0899

Framework versions

  • Transformers 4.57.1
  • Pytorch 2.8.0+cu128
  • Datasets 4.2.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechT5ForTextToSpeech
Ревизия весов
bf351cc

0 моделей