/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Qwen3-TTS-12Hz-1.7B-Base
Опубликована
3 мар 2026

sayro-tts-1.7B

Синтез речиТекст → аудио3 профессии

Sayro — дообученная на узбекских речевых данных модель Qwen3-TTS для синтеза узбекской речи из текста.

227скачиваний за 30 дней45лайковвеса обновлены16 мар 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

Sayro TTS — модель синтеза речи на узбекском языке, разработанная командами Examy.me и Teamwork.uz и дообученная UzLM на основе Qwen/Qwen3-TTS-12Hz-1.7B-Base. Она преобразует текст в речь и предназначена для интеграции узбекской озвучки в приложения и для исследований в области речевых технологий. Архитектура относится к семейству Qwen3-TTS; размер базовой модели — 1,7 млрд параметров. Для дообучения использовались синтетические данные и публичные узбекские речевые датасеты, включая данные с узбекской речью и ташкентским диалектом.

Модель ориентирована на узбекскую речь, однако в README не приведены подробные сведения о качестве, поддерживаемых стилях голоса или длине контекста. Доступ к весам предоставляется после ручного одобрения запроса; перед использованием требуется согласиться с условиями Sayro. Лицензия указана как other, поэтому точные условия распространения следует уточнять в карточке модели. README запрещает клонирование голосов без согласия, вводящую в заблуждение генерацию аудио и мошенническое использование.

Сценарии применения

  • озвучивание узбекского текста в приложениях
  • создание узбекских голосовых объявлений
  • генерация узбекской речи для медиаматериалов
  • эксперименты с синтезом речи на узбекском языке

Ограничения

Доступ к весам требует ручного одобрения, а использование ограничено условиями Sayro. README не сообщает количественных оценок качества и запрещает клонирование голосов без согласия, обманную генерацию аудио и мошенническое применение.

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

Sayro: Uzbek Text-to-Speech (Qwen3-TTS Fine-tuned)

Sayro is a high-quality Uzbek Text-to-Speech model based on the Qwen3-TTS-12Hz-1.7B-Base architecture. This model has been specifically fine-tuned to capture the nuances of the Uzbek language using a curated mix of synthetic data and public Uzbek speech datasets.

Examples

Listen to the model's output generated with the script provided below.

Sample DescriptionAudio Player
Greeting (Happy)
Project Intro
Contribution (Neutral)
Social Media (Excited)

Model Description

This model provides a foundational open-access checkpoint for Uzbek speech synthesis. It is designed for researchers and developers looking to integrate natural-sounding Uzbek voices into their applications. This project was made possible by the dedicated efforts of the Examy.me and Teamwork.uz teams.

  • Architecture: Based on Qwen/Qwen3-TTS-12Hz-1.7B-Base. For detailed architectural specifications, please refer to the original Qwen model page.
  • Training Data: A balanced mixture of synthetic audio and diverse public Uzbek speech datasets including islomov/datasets.
  • Purpose: To contribute to the growing field of Uzbek Language Technology and Speech AI research.

Premium Models

For users requiring production-grade quality, we offer Sayro Premium models featuring:

  • Realistic: Hyper-natural human prosody.
  • Dialect-specific: Support for regional Uzbek dialects.
  • Literal: Precision-focused speech for formal documents.

Visit sayro.uz for more information on accessing these professional checkpoints.

Quickstart

pip install -U qwen-tts
import torch
import soundfile as sf
from qwen_tts.inference.qwen3_tts_model import Qwen3TTSModel
import time
from uzbek_normalizer import clean_uzbek_text


total_start_time = time.time()

CHECKPOINT_PATH = "uzlm/sayro-tts-1.7B"
print(f"Loading custom Uzbek model from {CHECKPOINT_PATH}...")

tts = Qwen3TTSModel.from_pretrained(
    CHECKPOINT_PATH,
    device_map="cuda:0", # "cpu" if GPU is unavailable 
    dtype=torch.bfloat16,
    # attn_implementation="flash_attention_2", # enable for faster inference
)

# tts.model.talker = torch.compile(tts.model.talker, mode="reduce-overhead")

start_time = time.time()

test_text1 = clean_uzbek_text("Assalomu alaykum! Bu mening birinchi sun'iy intellekt ovozim. Xabarni eshitayotganingizdan xursandman. Yaxshimisiz? Bugun juda yaxshi kun.")
test_text2 = clean_uzbek_text("Ushbu model Examy va Teamwork.uz jamoalari tomonidan ishlab chiqildi.")
test_text3 = clean_uzbek_text("Umid qilamizki, bu loyiha O'zbekistondagi sun'iy intellekt rivojiga katta hissa qo'shadi.")
test_text4 = clean_uzbek_text("UzLM hugging-face va LinkedIn sahifamizda bizni kuzatib boring.")

with torch.inference_mode():
    wavs, sr = tts.generate_custom_voice(
        text=[test_text1, test_text2, test_text3, test_text4],
        speaker=["sayro", "sayro", "sayro", "sayro"],
        instruct=["Happy", "", "Neutral", "Excited"]
    )
print(f"Total time: {time.time() - total_start_time:.2f}s, Generate time: {time.time() - start_time:.2f}s")

sf.write("test_uzbek_output1.mp3", wavs[0], sr)
sf.write("test_uzbek_output2.mp3", wavs[1], sr)
sf.write("test_uzbek_output3.mp3", wavs[2], sr)
sf.write("test_uzbek_output4.mp3", wavs[3], sr)

Ethical Use and Restrictions

IMPORTANT: THIS MODEL IS FOR ETHICAL USE ONLY. By requesting access, you agree not to use this model for:

  • Deepfaking: Cloning voices without explicit consent.
  • Fake News: Generating deceptive or misleading audio content to spread misinformation.
  • Fraud: Using synthesized voices for impersonation, phishing, or financial scams.

Any use of this model must comply with international AI safety standards and local Uzbek regulations. Users are required to explicitly agree to the Sayro Terms of Use before access is granted.

How to Access

  1. Log in to your Hugging Face account.
  2. Fill out the access request form above.
  3. Your request will be manually reviewed by the UzLM team.
  4. Once approved, you can download the weights and fine-tune the model for your own research projects.

Developed with ❤️ for the Uzbek AI community by the UzLM team.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
77a6db7

0 моделей