/ Модель

Характеристики

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

senga-LUK-aligned-degate60-4k-preview-speecht5

Генерация аудиоТекст → аудио3 профессии

Дообученная на базе SpeechT5 модель для синтеза речи из текста.

7скачиваний за 30 дней0лайковвеса обновлены2 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-aligned-degate60-4k-preview-speecht5 — дообученная модель SpeechT5 на базе microsoft/speecht5_tts, опубликованная sil-ai. Она предназначена для синтеза речи по тексту. В метаданных указан класс SpeechT5ForTextToSpeech и формат весов safetensors; README сообщает значение Loss 0,0798 на тестовой выборке, но не раскрывает состав данных и условия оценки.

Модель распространяется по лицензии MIT. README не содержит подробного описания предполагаемых сценариев, языков, характеристик синтезируемой речи или ограничений качества; поэтому область применения можно определить только как преобразование текста в аудио.

Сценарии применения

  • синтез аудио по тексту

Ограничения

README не описывает обучающие данные и ограничения качества; приведённый Loss 0,0798 указан без подробностей о тестовой выборке и методике оценки.

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-aligned-degate60-4k-preview-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: 0.0798

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: 400
  • training_steps: 4000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
0.078690.909110000.0781
0.0644181.818220000.0784
0.0573272.727330000.0802
0.0573363.636440000.0798

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
65a3102

0 моделей