/ Модель

Характеристики

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

senga-LUK-20k-nodegate-speecht5

Генерация аудиоТекст → аудио3 профессии

Дообученная модель SpeechT5 для преобразования текста в аудио.

23скачиваний за 30 дней0лайковвеса обновлены8 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-nodegate-speecht5 — дообученная на основе microsoft/speecht5_tts модель SpeechT5 для синтеза речи из текста. Репозиторий использует библиотеку Transformers и хранит веса в формате safetensors; модель опубликована по лицензии MIT. В README приведено значение Loss 0,2060 на наборе оценки, но сведения о данных обучения и подробностях оценки отсутствуют.

Сценарии применения

  • синтез речи по тексту
  • озвучивание коротких текстов
  • создание голосовых аудиофрагментов

Ограничения

README не описывает обучающие данные, целевой голос, языковое покрытие и подробности оценки; указанная метрика Loss 0,2060 не сопровождается методикой или контекстом.

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-nodegate-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: 0.2060

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
0.206490.909110000.2125
0.1512181.818220000.1874
0.1226272.727330000.1677
0.1094363.636440000.1826
0.0985454.545550000.1938
0.0944545.454560000.1773
0.0861636.363670000.1857
0.0777727.272780000.1889
0.0832818.181890000.2049
0.0738909.0909100000.1930
0.06511000.0110000.1955
0.06791090.9091120000.1939
0.06191181.8182130000.1964
0.06321272.7273140000.2025
0.05681363.6364150000.2065
0.05871454.5455160000.2050
0.0561545.4545170000.2086
0.07091636.3636180000.2143
0.05731727.2727190000.2085
0.05891818.1818200000.2060

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
b0d96ff

0 моделей