/ Модель

Характеристики

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

senga-LUK-20k-quiet-speecht5

Генерация аудиоТекст → аудио3 профессии

Дообученная модель SpeechT5 преобразует текст в аудио.

6скачиваний 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-quiet-speecht5 — дообученная модель Microsoft SpeechT5 для синтеза речи из текста. В метаданных указаны архитектура SpeechT5ForTextToSpeech, формат safetensors и библиотека Transformers. Модель предназначена для преобразования текста в аудио; в README приведено значение loss 0,1180 на оценочном наборе, но сведения о наборе данных и условиях оценки отсутствуют. Лицензия — MIT.

Сценарии применения

  • синтез речи по тексту

Ограничения

README не раскрывает обучающие данные, предполагаемое применение и ограничения; значение loss приведено без описания оценочного набора и методики.

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-quiet-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: 0.1180

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
0.10790.909110000.0932
0.0895181.818220000.0909
0.0718272.727330000.0931
0.067363.636440000.0952
0.0614454.545550000.1001
0.0574545.454560000.0994
0.0539636.363670000.1040
0.0485727.272780000.1060
0.0502818.181890000.1092
0.0454909.0909100000.1113
0.0441000.0110000.1130
0.04541090.9091120000.1130
0.04141181.8182130000.1172
0.04221272.7273140000.1157
0.03951363.6364150000.1202
0.04111454.5455160000.1173
0.04011545.4545170000.1179
0.04841636.3636180000.1207
0.04051727.2727190000.1178
0.04221818.1818200000.1180

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
540db64

0 моделей