/ Модель

Характеристики

Лицензия
MIT
Архитектура
inf5 · dense
Базовая модель
IndicF5
Опубликована
15 июн 2026

IndicF5-Kannada-Bedtime-v2

Синтез речиТекст → аудио3 профессии

Дообученная IndicF5 для озвучивания сказок на каннада с возможностью задать голос по аудиообразцу и его расшифровке.

19скачиваний за 30 дней0лайковвеса обновлены15 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

IndicF5-Kannada-Bedtime-v2 — модель синтеза речи, созданная автором репозитория sush0401 путём дообучения IndicF5 от AI4Bharat. Она предназначена для озвучивания сказок на каннада в спокойной, сказочной или юмористической манере, в том числе голосом, заданным аудиообразцом и его расшифровкой. Дообучен компонент CFM на данных SPRINGLab/IndicTTS_Kannada и синтетических аудиофрагментах со сказками перед сном; в карточке приведены примеры озвучивания и сценарий перевода английской сказки на каннада с последующей генерацией речи.

Модель принимает текст на каннада, аудиообразец голоса и текст его расшифровки, а выдаёт речь. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. Размер модели и длина контекста в предоставленных данных не приведены.

Сценарии применения

  • Озвучивание сказок на каннада перед сном
  • Создание спокойной, сказочной или юмористической подачи рассказа
  • Синтез речи на каннада голосом, заданным аудиообразцом
  • Подготовка озвученной версии английской сказки после перевода на каннада

Ограничения

Карточка описывает узкую настройку для повествования сказок на каннада; качество для других жанров и языков не подтверждено. Для задания голоса требуется аудиообразец и его текстовая расшифровка.

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

IndicF5 Kannada Bedtime v2

Fine-tuned IndicF5 for Kannada bedtime story narration in a parent's cloned voice.

Training

  • Base: ai4bharat/IndicF5 (MIT license)
  • Dataset: SPRINGLab/IndicTTS_Kannada + synthetic bedtime clips (800 clips, ~6h)
  • Method: Full fine-tune (CFM component only)
  • Steps: 500 (best checkpoint at step 500, loss 0.4043)
  • GPU: A100-80GB via Modal

Evaluation (10 sentences × 2 references)

CheckpointSilencePitch StdSyll/sMOSFlatnessRank
stock49.3%46.4Hz1.93.90.6297th
v3_step020052.0%51.0Hz2.24.20.5825th
v3_step040043.8%41.1Hz1.73.70.5326th
v3_step060049.6%47.8Hz1.63.90.5784th
v3_step080047.1%47.2Hz2.14.00.4873rd
v3_final43.8%43.7Hz2.54.20.5382nd
v2_step050045.1%45.4Hz3.04.20.4911st

Demo Audio

Kannada bedtime stories (fine-tuned)

MoodAudio
Magicalkannada_magical.wav
Funnykannada_funny.wav
Calmingkannada_calming.wav
Dreamykannada_dreamy.wav

Full pipeline (translate + narrate)

How to use

from transformers import AutoModel

model = AutoModel.from_pretrained("sush0401/IndicF5-Kannada-Bedtime-v2", trust_remote_code=True)
audio = model("ಕನ್ನಡ ಪಠ್ಯ", ref_audio_path="reference.wav", ref_text="Reference transcript")

Part of DreamVoice

DreamVoice — bedtime stories in a parent's cloned voice.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
INF5Model
Ревизия весов
7518df5

0 моделей