/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Опубликована
30 авг 2023

speecht5_finetuned_voxpopuli

Синтез речиТекст → аудио3 профессии

Дообученная на литовской речи модель SpeechT5 для преобразования текста в аудио.

88скачиваний за 30 дней0лайковвеса обновлены18 сен 2023

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

Модель technaxx/speecht5_finetuned_voxpopuli — дообученная на литовской части датасета VoxPopuli версия SpeechT5 от Microsoft для синтеза речи по тексту. Она принимает текст и генерирует аудио; в карточке указана архитектура SpeechT5ForTextToSpeech и форматы PyTorch и Safetensors. Модель ориентирована на литовский язык.

Автор сообщает о небольшом числе говорящих и примеров в обучении, поэтому синтез может плохо обобщаться на новые данные. На оценочной выборке указаны validation loss 0,5676 и training loss 0,38. Лицензия — MIT.

Сценарии применения

  • синтез речи на литовском языке
  • озвучивание литовских текстов
  • создание аудиоверсий коротких сообщений

Ограничения

В обучении использовалось мало говорящих и примеров, поэтому модель может плохо обобщаться на новые данные.

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

speecht5_finetuned_voxpopuli

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

  • validation Loss: 0.5676
  • training loss: 0.38

Model description

text-to-speech

Intended uses & limitations

text to speech, stst models

Training and evaluation data

finetuning using the voxpopuli dataset for the Lithuanian language, in this case there were few speakers and few examples, so the training gives us 0.56 validation loss and 0.38 of training loss, This means the model may not generalize well to new data it hasn't seen before. To avoid overfitting, you can try some regularization techniques, such as dropout, batch normalization, or model size reduction.

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

Training results

Training LossEpochStepValidation Loss
0.443380.9510000.5600
0.4045761.920000.5717
0.38771142.8630000.5647
0.38451523.8140000.5676

Framework versions

  • Transformers 4.30.2
  • Pytorch 2.0.0
  • Datasets 2.1.0
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechT5ForTextToSpeech
Ревизия весов
ed168ad

0 моделей