/ Модель

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Базовая модель
speecht5_tts
Опубликована
7 июл 2023

speecht5_tts-finetuned-voxpopuli-sk-v2

Синтез речиТекст → аудио3 профессии

Дообученная на VoxPopuli модель SpeechT5 для синтеза речи из текста.

96скачиваний за 30 дней1лайквеса обновлены15 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 vineetsharma/speecht5_tts-finetuned-voxpopuli-sk-v2 — версия SpeechT5, дообученная на наборе данных facebook/voxpopuli для синтеза речи из текста. Она принимает текст и генерирует аудио; архитектура основана на SpeechT5ForTextToSpeech. В README приведено значение loss 0,4354 на оценочном наборе, но дополнительных сведений о качестве и настройках оценки нет.

Модель предназначена для преобразования текста в речь в сценариях, связанных с данными VoxPopuli. Она распространяется в форматах PyTorch и Safetensors по лицензии MIT. Язык синтезируемой речи и ограничения применения в карточке подробно не описаны.

Сценарии применения

  • синтез речи из текста на данных VoxPopuli
  • озвучивание текстовых фраз
  • создание аудиовыхода в приложениях преобразования текста в речь

Ограничения

README не описывает языки синтеза и практические ограничения модели. Приведено только значение loss 0,4354 на оценочном наборе, без подробностей о методике оценки.

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_tts-finetuned-voxpopuli-sk-v2

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

  • Loss: 0.4354

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

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
0.49995.2410000.4523
0.476310.4720000.4408
0.467615.7130000.4366
0.466520.9440000.4354

Framework versions

  • Transformers 4.30.2
  • Pytorch 2.0.1+cu118
  • Datasets 2.13.1
  • 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
fb6aba8

0 моделей