/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

senga-LUK-aligned-degate60-speecht5

sil-ai
Генерация аудиоТекст → аудио3 профессии

Дообученная модель SpeechT5 для преобразования текста в аудио.

10скачиваний 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.

Открыть конструктор бенчмарка

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-speecht5 — дообученная Sil-AI модель Microsoft SpeechT5 для синтеза речи из текста. Она использует архитектуру SpeechT5 и предназначена для преобразования текстового ввода в аудио.

В README приведено значение Loss 0,1228 на наборе оценки, но обучающий и оценочный наборы не описаны. Модель распространяется в формате safetensors по лицензии MIT. Подробности о голосах, поддерживаемых языках и ограничениях применения не приведены.

Сценарии применения

  • синтез речи из текстовых фраз
  • озвучивание коротких сообщений
  • создание аудиоверсий текстового контента

Ограничения

README не описывает обучающие данные, поддерживаемые языки и характеристики голосов; приведено только значение Loss на оценочном наборе, без контекста методики оценки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

senga-LUK-aligned-degate60-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: 0.1228

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: 4000
  • training_steps: 40000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
0.098190.909110000.0815
0.0783181.818220000.0771
0.0675272.727330000.0795
0.0637363.636440000.0816
0.0578454.545550000.0845
0.054545.454560000.0882
0.0491636.363670000.0898
0.0449727.272780000.0959
0.0459818.181890000.0961
0.0414909.0909100000.0986
0.03941000.0110000.1011
0.04081090.9091120000.1005
0.03781181.8182130000.1051
0.0381272.7273140000.1058
0.03451363.6364150000.1077
0.03551454.5455160000.1095
0.03461545.4545170000.1112
0.04441636.3636180000.1116
0.03291727.2727190000.1144
0.03441818.1818200000.1143
0.03041909.0909210000.1164
0.03132000.0220000.1165
0.03042090.9091230000.1164
0.03082181.8182240000.1188
0.02992272.7273250000.1208
0.02942363.6364260000.1191
0.02752454.5455270000.1214
0.02692545.4545280000.1206
0.02832636.3636290000.1207
0.02922727.2727300000.1208
0.03642818.1818310000.1222
0.02682909.0909320000.1229
0.02613000.0330000.1203
0.0283090.9091340000.1216
0.02573181.8182350000.1218
0.02533272.7273360000.1227
0.02753363.6364370000.1230
0.02643454.5455380000.1215
0.02743545.4545390000.1223
0.02723636.3636400000.1228

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
c61d55c

0 моделей

    Создать бенчмарк