/ Модель

Характеристики

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

senga-LUK-20k-l1-speecht5

Генерация аудиоТекст → аудио3 профессии

Дообученная модель SpeechT5 для синтеза аудио по тексту.

8скачиваний за 30 дней0лайковвеса обновлены3 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

senga-LUK-20k-l1-speecht5 — дообученная модель семейства SpeechT5 для синтеза речи из текста. Она основана на microsoft/speecht5_tts и реализует задачу text-to-audio; модель загружается через Transformers, веса опубликованы в формате safetensors.

Карточка сообщает результат Loss 0,1543 на оценочном наборе, но не описывает набор данных, целевой язык, характеристики генерируемой речи или сценарии применения. Модель распространяется по лицензии MIT.

Сценарии применения

  • синтез речи из текста
  • озвучивание коротких текстов
  • создание речевого аудио для приложений

Ограничения

В README не описаны обучающие данные, поддерживаемые языки и качество речи; приведён только показатель Loss 0,1543 на оценочном наборе.

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

senga-LUK-20k-l1-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: 0.1543

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: 0.0001
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 3407
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 32
  • 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
0.145790.909110000.1290
0.1273181.818220000.1296
0.1134272.727330000.1334
0.1069363.636440000.1320
0.1018454.545550000.1401
0.0972545.454560000.1381
0.0926636.363670000.1432
0.0891727.272780000.1485
0.0884818.181890000.1464
0.0837909.0909100000.1501
0.08171000.0110000.1501
0.08371090.9091120000.1509
0.07891181.8182130000.1548
0.081272.7273140000.1534
0.07671363.6364150000.1551
0.07851454.5455160000.1559
0.07751545.4545170000.1542
0.08381636.3636180000.1572
0.07771727.2727190000.1557
0.08021818.1818200000.1543

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
af75903

0 моделей