/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

senga-nt-canon-mat-tts

sil-ai
Генерация аудиоТекст → аудио3 профессии

Дообученная модель SpeechT5, преобразующая текст в аудио.

21скачиваний за 30 дней0лайковвеса обновлены25 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-nt-canon-mat-tts — дообученная модель Microsoft SpeechT5 для синтеза речи по тексту. В метаданных указаны архитектура SpeechT5, библиотека Transformers и формат весов safetensors; README сообщает значение loss 0,2274 на наборе оценки.

Модель предназначена для преобразования текста в аудио. Подробности о голосе, языках синтеза, данных обучения и практических сценариях в карточке не раскрыты. Использование регулируется лицензией MIT.

Сценарии применения

  • синтез речи из текста
  • озвучивание текстовых материалов
  • создание аудиоверсии коротких сообщений

Ограничения

В карточке не описаны поддерживаемые языки, характеристики голоса и ограничения применения; указан только результат оценки loss 0,2274 без подробностей протокола.

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.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

senga-nt-canon-mat-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: 0.2274

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
0.1265111.121210000.1211
0.0925222.242420000.1183
0.0851333.363630000.1289
0.0675444.484840000.1313
0.0621555.606150000.1472
0.0535666.727360000.1498
0.0594777.848570000.1603
0.0463888.969780000.1630
0.04311000.090000.1716
0.04881111.1212100000.1718
0.04091222.2424110000.1790
0.03931333.3636120000.1840
0.03881444.4848130000.1867
0.03841555.6061140000.1926
0.03971666.7273150000.1949
0.03311777.8485160000.2052
0.03571888.9697170000.1998
0.03322000.0180000.2012
0.03112111.1212190000.2058
0.03012222.2424200000.2089
0.02852333.3636210000.2130
0.02892444.4848220000.2136
0.02992555.6061230000.2148
0.02892666.7273240000.2151
0.02782777.8485250000.2170
0.02682888.9697260000.2223
0.02623000.0270000.2197
0.03733111.1212280000.2234
0.03283222.2424290000.2239
0.02683333.3636300000.2254
0.02663444.4848310000.2251
0.02643555.6061320000.2280
0.02373666.7273330000.2279
0.02913777.8485340000.2260
0.02843888.9697350000.2254
0.02414000.0360000.2281
0.02624111.1212370000.2263
0.02624222.2424380000.2291
0.02544333.3636390000.2276
0.03684444.4848400000.2274

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
5a72eb9

0 моделей

    Создать бенчмарк