/ Модель

Характеристики

Размер весов
572 МБ
Лицензия
CC BY-NC 4.0
Опубликована
25 авг 2026

piper-voices-thai

Синтез речиТекст → аудио3 профессии

Две преобразованные в формат Piper модели VITS синтезируют тайскую речь женским или мужским голосом.

1 097скачиваний за 30 дней0лайковвеса обновлены11 сен 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

Репозиторий tranhuyluyen/piper-voices-thai содержит две тайские модели синтеза речи, женский и мужской голоса, преобразованные из дообученных моделей MMS-TTS в формат Piper. Обе используют архитектуру VITS и поставляются в ONNX вместе с конфигурациями Piper; частота дискретизации — 22,05 кГц. Их можно загружать через piper-tts для синтеза тайской речи из текста.

Модели предназначены для локального синтеза речи, например озвучивания коротких сообщений и создания аудиофайлов тайской речи. Текст обрабатывается посимвольно без фонемизации; алфавит модели включает 71 тайский символ. Лицензия репозитория — CC BY-NC 4.0. Известное ограничение: словарь содержит только цифры 0, 1, 2 и 4, поэтому остальные цифры пропускаются; перед синтезом числа следует записывать словами.

Сценарии применения

  • озвучивание тайских текстовых сообщений
  • создание аудиофайлов с тайской речью
  • выбор женского или мужского голоса для тайской озвучки

Ограничения

Словарь включает только цифры 0, 1, 2 и 4; остальные цифры пропускаются, поэтому числа рекомендуется записывать словами. Для загрузки голосов используется piper-tts.

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

Piper-format Thai voices (converted from MMS-TTS)

Two Thai TTS voices packaged in Piper format (.onnx + .onnx.json), so they load directly with piper-tts — no separate inference engine needed.

Piper has no official Thai voice: rhasspy/piper-voices has no th/ directory. These are format conversions of existing MMS-TTS Thai fine-tunes.

FileSource modelSample rate
th_TH-mms_female-medium.onnxVIZINTZOR/MMS-TTS-THAI-FEMALEV222.05 kHz
th_TH-mms_male-medium.onnxVIZINTZOR/MMS-TTS-THAI-MALEV122.05 kHz

Both source repos have 16 kHz siblings (FEMALEV1, MALEV2, MALE-NARRATOR); the two above were picked because they are 22.05 kHz, matching Piper's own voices.

Usage

import wave
from piper.voice import PiperVoice

voice = PiperVoice.load("th_TH-mms_female-medium.onnx")
with wave.open("out.wav", "wb") as f:
    voice.synthesize_wav("สวัสดีครับ นี่คือเสียงตัวอย่าง", f)

How the conversion works

MMS-TTS and Piper are both VITS, so only the ONNX graph signature and the text representation differ.

  • The model is re-exported with Piper's input signature — input, input_lengths, scales — wrapping transformers' VitsModel.
  • The config uses "phoneme_type": "text", where Piper treats each Unicode codepoint as a phoneme. That matches MMS exactly: a 71-character Thai vocabulary, no phonemization, no espeak-ng.
  • Piper emits the id sequence BOS, PAD, c1, PAD, …, cN, PAD, EOS, while MMS was trained on intersperse(seq, 0) — 0, c1, 0, …, cN, 0. Mapping BOS and EOS to empty lists in phoneme_id_map makes the two line up exactly. PAD maps to [0], MMS's blank token.

Known limitation

The MMS vocabulary only contains the digits 0, 1, 2 and 4. Any other digit is dropped as an unknown character. Spell numbers out as words before synthesis.

Credits and license

cc-by-nc-4.0, inherited from facebook/mms-tts (the base model these fine-tunes derive from). Non-commercial use only.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
3f78c56

0 моделей