/ Модель

Характеристики

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

senga-nt-fused-tts

Генерация аудиоТекст → аудио3 профессии

Дообученная на базе SpeechT5 модель для синтеза речи из текста.

8скачиваний за 30 дней0лайковвеса обновлены1 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-fused-tts — модель синтеза речи из текста, созданная дообучением SpeechT5 от Microsoft. В метаданных указаны архитектура SpeechT5, класс SpeechT5ForTextToSpeech и формат весов safetensors; модель доступна по лицензии MIT.

Модель предназначена для преобразования текста в аудио. В README приведено значение loss 0,0868 на оценочном наборе, но подробности о данных, языках, голосах и методике оценки отсутствуют, поэтому качество и область применимости по этому показателю оценить нельзя.

Сценарии применения

  • озвучивание текстовых сообщений
  • создание аудиоверсий коротких текстов
  • генерация речи для голосового интерфейса

Ограничения

В карточке не описаны языки, обучающие данные, голосовые характеристики и методика оценки; указанное значение loss само по себе не позволяет судить о качестве синтеза.

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-fused-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: 0.0868

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: 5e-05
  • 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
0.13769.049920000.1013
0.124218.099940000.0932
0.111127.149860000.0903
0.108136.199880000.0895
0.103845.2497100000.0889
0.099554.2997120000.0870
0.100963.3496140000.0875
0.096972.3995160000.0868
0.099781.4495180000.0871
0.096290.4994200000.0868

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
9e96a34

0 моделей