/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

senad-speecht5-som

sumish67
Генерация аудиоТекст → аудио

Дообученная модель SpeechT5 для синтеза речи из текста в аудио.

7скачиваний за 30 дней0лайковвеса обновлены6 авг 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

senad-speecht5-som — дообученная пользователем sumish67 модель Microsoft SpeechT5 для синтеза речи из текста. Она использует архитектуру SpeechT5ForTextToSpeech и сохраняется в формате safetensors; базовая модель SpeechT5 была дообучена на LibriTTS.

Модель предназначена для преобразования текста в аудио. В карточке указана оценка Loss 0,3055 на наборе для оценки, однако сам набор данных и условия оценки не описаны. Модель распространяется по лицензии MIT.

Сценарии применения

  • синтез аудио по введённому тексту
  • озвучивание коротких текстовых фрагментов
  • создание речевых аудиоданных

Ограничения

Данные обучения и предполагаемые сценарии применения не описаны. Указана оценка Loss 0,3055, но без подробностей о наборе и методике оценки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

senad-speecht5-som

This model is a fine-tuned version of microsoft/speecht5_tts on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3055

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: 1e-05
  • train_batch_size: 4
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 4000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
0.39356.225710000.3684
0.365512.451420000.3229
0.339618.677030000.3109
0.328724.902740000.3055

Framework versions

  • Transformers 4.44.2
  • Pytorch 2.11.0+cu128
  • Datasets 2.21.0
  • Tokenizers 0.19.1

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
f62bcff

0 моделей

    Создать бенчмарк