Характеристики

Размер весов: 5,4 ГБ
Лицензия: CC BY-NC 4.0
Опубликована: 27 июн 2026

Ссылки

f5-tts-balinese

Синтез речиТекст → аудио3 профессии

F5-TTS Balinese v0 — дообученная на балийской речи модель для синтеза балийского текста с возможностью клонирования голоса.

585скачиваний за 30 дней0лайковвеса обновлены27 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

F5-TTS Balinese v0 — модель синтеза речи, созданная Open Indonesia Models как полное дообучение F5TTS_v1_Base на примерно 29 минутах балийской речи одного диктора. Она принимает текст в балийской латинской орфографии и генерирует речь; используется символьный ввод без G2P и поддерживает клонирование голоса по образцу для синтеза с заданным тембром.

Модель предназначена для синтеза балийской речи и экспериментов с малоресурсным языком. В README приведён пример генерации фразы «Rahajeng semeng» с помощью F5-TTS. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но запрещающая коммерческое применение.

Известное ограничение версии v0: в словах, заканчивающихся на «e», конечная гласная может выпадать, поскольку символьный ввод не различает варианты произношения балийской конечной e. В README отмечено, что исправление с помощью G2P или данных планируется.

Сценарии применения

синтез балийской речи из текста
озвучивание фраз на балийском языке
клонирование голоса по образцу для балийского синтеза

Ограничения

В словах, оканчивающихся на «e», конечная гласная может выпадать из-за неоднозначности символьного ввода. Модель дообучена примерно на 29 минутах речи одного диктора.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

F5-TTS — Balinese (v0)

A full fine-tune of F5-TTS (F5TTS_v1_Base) on ~29 min of single-speaker Balinese speech, part of Open Indonesia Models. Character-input (no G2P), zero-shot voice cloning. v0 baseline.

model_last.pt — fine-tuned checkpoint (load via F5-TTS --ckpt_file).
vocab.txt — character vocab (base 2545 vocab; Balinese romanization adds no new chars).

Usage

pip install f5-tts
f5-tts_infer-cli --model F5TTS_v1_Base --ckpt_file model_last.pt --vocab_file vocab.txt \
  --ref_audio <clean_same_speaker.wav> --ref_text "<ref transcript>" \
  --gen_text "Rahajeng semeng" --output_dir out --output_file demo.wav

Known v0 limitation

Words ending in "e" can drop the final vowel (Balinese final-e is often a reduced schwa /ə/; character input doesn't disambiguate). A Balinese G2P / data fix is planned.

License & attribution

Base F5-TTS weights: CC BY-NC 4.0 (non-commercial). Trained on a Balinese TTS dataset (single speaker). For research / non-commercial use.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов: 91a2388