/ Модель
Каталог

Характеристики

Контекст
600 токенов
Лицензия
MIT
Архитектура
speecht5 · dense
Опубликована
7 июн 2023

Ссылки

Hugging Face

speecht5_tts_common_voice_zh

wuula
Генерация аудиоТекст → аудио3 профессии

Дообученная SpeechT5-модель преобразует китайский текст в аудио для синтеза речи.

15скачиваний за 30 дней6лайковвеса обновлены7 июн 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.

Открыть конструктор бенчмарка

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

Это модель синтеза речи на основе SpeechT5, дообученная автором репозитория wuula на наборе данных speecht5_tts_common_voice_zh. Она преобразует текст на китайском языке в аудио и может использоваться для озвучивания текста. В README приведено значение Loss 0.6217 на оценочном наборе; подробности протокола оценки не описаны. Модель опубликована в формате PyTorch и распространяется по лицензии MIT.

Сценарии применения

  • озвучивание китайского текста
  • генерация аудиоверсии коротких текстов на китайском
  • синтез речи для китайскоязычных приложений

Ограничения

README не описывает ограничения и сценарии применения подробно; приведённая оценка Loss не сопровождается описанием протокола и сама по себе не показывает качество звучания.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейII.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

SpeechT5 TTS Dutch

This model is a fine-tuned version of microsoft/speecht5_tts on the speecht5_tts_common_voice_zh dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6217

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: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • 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
0.69094.4910000.6541
0.66718.9920000.6351
0.65313.4830000.6249
0.656517.9840000.6217

Framework versions

  • Transformers 4.30.0.dev0
  • Pytorch 2.0.1+cu118
  • Datasets 2.12.0
  • 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
2555e50

0 моделей

    Создать бенчмарк