/ Модель

Характеристики

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

senga-nt-fused-v3-tts

Генерация аудиоТекст → аудио3 профессии

Дообученная на базе SpeechT5 модель SIL AI для преобразования текста в аудио.

16скачиваний 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-fused-v3-tts — дообученная SIL AI модель синтеза речи на базе SpeechT5 от Microsoft. Она преобразует текст в аудио и предназначена для задач синтеза речи. Модель построена на архитектуре SpeechT5, веса доступны в формате safetensors.

В карточке указана лицензия MIT. README сообщает значение loss 0,0904 на наборе оценки, но не раскрывает состав данных, языки синтеза, характеристики голоса или условия оценки. Поэтому качество и область применимости по этой метрике определить нельзя.

Сценарии применения

  • синтез речи по тексту
  • озвучивание коротких текстовых фраз
  • создание аудиоверсий текстового контента

Ограничения

В README не описаны языки, данные обучения, характеристики голоса и сценарии применения; значение loss 0,0904 приведено без сведений о 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-nt-fused-v3-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: 0.0904

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
0.16499.217320000.1052
0.155318.434740000.1013
0.138927.652060000.0997
0.135636.869480000.0967
0.127546.0832100000.0954
0.120855.3006120000.0950
0.119964.5179140000.0934
0.113873.7353160000.0943
0.117182.9526180000.0933
0.106592.1665200000.0924
0.1018101.3838220000.0927
0.0986110.6012240000.0916
0.1006119.8185260000.0912
0.0968129.0324280000.0914
0.0939138.2497300000.0908
0.0941147.4671320000.0904
0.0911156.6844340000.0911
0.0913165.9017360000.0905
0.0926175.1156380000.0905
0.0916184.3329400000.0904

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
35712c9

0 моделей