/ Модель

Характеристики

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

senga-nt-base-tts

Генерация аудиоТекст → аудио3 профессии

Дообученная модель SpeechT5 для преобразования текста в аудио.

8скачиваний за 30 дней0лайковвеса обновлены29 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-nt-base-tts — дообученная модель синтеза речи из текста на архитектуре SpeechT5, основанная на microsoft/speecht5_tts. Модель разработана sil-ai и предназначена для преобразования текстового ввода в аудио.

В README приведён результат оценки: loss 0.0922. Данные об обучающем корпусе, поддерживаемых языках, голосах и сценариях применения не раскрыты. Модель распространяется в формате safetensors через библиотеку Transformers по лицензии MIT.

Сценарии применения

  • синтез речи по тексту

Ограничения

README не описывает обучающие данные, поддерживаемые языки и голоса или результаты за пределами указанного значения loss.

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-nt-base-tts

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: 0.0922

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
0.1679.217120000.1054
0.156218.434240000.1017
0.141227.651360000.0983
0.131336.868480000.0980
0.127446.0831100000.0969
0.117655.3002120000.0950
0.119964.5173140000.0955
0.111373.7344160000.0943
0.113782.9515180000.0942
0.105192.1663200000.0927
0.1026101.3834220000.0938
0.1007110.6005240000.0920
0.0987119.8176260000.0917
0.0932129.0323280000.0929
0.0934138.2494300000.0922
0.0901147.4665320000.0916
0.0939156.6836340000.0923
0.0891165.9007360000.0915
0.0914175.1155380000.0916
0.0899184.3326400000.0922

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
ca52ff2

0 моделей