orpheus-3b-swc-swa06
голос для начитки Писания на суахили
2 min read
Это файнтюн Sunbird/orpheus-3b-tts-multilingual — TTS-модели на базе Llama-3.2-3B, которая генерирует аудиокоды SNAC 24 kHz. Модель на 3,3B дообучена на 96 часах студийной библейской начитки на суахили и предназначена для чтения Ветхого Завета на конголезском суахили (swc, SWC02).
Ключевые особенности
- База —
Sunbird/orpheus-3b-tts-multilingual: причинная LLM Llama-3.2-3B, выдающая SNAC-аудиокоды. - LoRA r=64 слита в веса; обучение — 3 эпохи. В папке
adapter/лежит тот же чекпойнт как PEFT-адаптер на 390 MB. - Чекпойнт
swa06обучали на SNAC-кадрах без дедупликации — по карточке, это дало самую разборчивую модель из семи прогонов проекта. - Основной голос —
openbible_swa_0001; в корпусе есть ещё шесть дикторов. - Важное ограничение: тренировочное аудио — прибрежный/стандартный суахили (
swh), а неswc; модель читает написаниеswc, но с прибрежным акцентом.
Пример
Быстрый старт из карточки:
pip install "transformers>=4.45" torch snac soundfile numpy
python infer.py --model danielgloo/orpheus-3b-swc-swa06 --text "Hapo mwanzo Mungu aliumba mbingu na inchi." --out gen_1_1.wav
Подробнее
CER на 178 отложенных стихах × 3 сида: 0.0665 у модели, 0.047 у человека, 0.076 у базовой модели. Сходство голоса с диктором (WavLM x-vector cosine) — 0.96.В продакшн-рендере Бытия (1 511 стихов) доля провалов с первого раза — 1.8%; все стихи прошли за ≤3 попытки. Пропускная способность — ~725 токенов/с при batch 16 на одной GPU.
Держите
repetition_penalty ≥ 1.1: при 1.0 модель зацикливается. Стихи длиннее ~100 текстовых токенов могут укорачиваться.Лицензия весов — CC BY-SA 4.0 (share-alike); Orpheus-3B — Apache-2.0, SNAC — MIT.










Comments