/ Модель

Характеристики

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

senga-LUK-20k-msmel-speecht5

Генерация аудиоТекст → аудио3 профессии

Дообученная на базе SpeechT5 модель преобразует текст в аудио.

11скачиваний 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-msmel-speecht5 — модель синтеза речи из текста, дообученная на базе microsoft/speecht5_tts и созданная с помощью Transformers. В карточке приведён результат оценки: loss 0,2399; описание назначения, обучающих данных и сценариев использования не раскрыто.

Модель предназначена для преобразования текста в аудио. Архитектура — SpeechT5ForTextToSpeech; веса представлены в формате safetensors. Модель распространяется по лицензии MIT.

Карточка не сообщает, какие языки и голоса поддерживаются, а также не описывает ограничения качества или условия эксплуатации помимо лицензии. Базовая SpeechT5 от Microsoft дообучена на LibriTTS, но датасет этой производной модели в карточке указан как None.

Сценарии применения

  • синтез речи из текста
  • озвучивание текстовых сообщений
  • создание аудиоверсии коротких текстов

Ограничения

В карточке не описаны обучающие данные, поддерживаемые языки и голоса или ограничения качества; результат оценки указан только как loss 0,2399.

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-msmel-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: 0.2399

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
0.249390.909110000.2230
0.2324181.818220000.2257
0.2112272.727330000.2211
0.2363.636440000.2233
0.1953454.545550000.2264
0.1886545.454560000.2302
0.1809636.363670000.2319
0.1715727.272780000.2336
0.1751818.181890000.2344
0.1669909.0909100000.2394
0.16081000.0110000.2366
0.16431090.9091120000.2348
0.15551181.8182130000.2390
0.1561272.7273140000.2387
0.15051363.6364150000.2435
0.15281454.5455160000.2381
0.15041545.4545170000.2355
0.16111636.3636180000.2426
0.15061727.2727190000.2408
0.1541818.1818200000.2399

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
b1c7060

0 моделей