KIKI HASAN Big
бенгальский новостной TTS-голос на VITS
2 min read
Это одноголосый бенгальский TTS-голос в стиле новостей на архитектуре VITS. Автор demoqqq дообучил базу EMTIAZZ Bangladeshi Bangla VITS на 1 863 собственных клипах (~227 минут) и 97 из 100 эпох на Kaggle (run user-voice-news-v2).
Ключевые особенности
- Один мужской голос в новостной подаче; язык модели —
bn. - Обучение на 1 863 клипах: 1 422 записи ElevenLabs-clone, 173 поздних клипа и 268 клипов Batch 1 для новых слов и цифр.
- Основной файл —
model_fullmeta.onnx(114 192 731 байт) для sherpa-onnx 2.0.1; в метаданных указаныsample_rate22 050,n_speakers1 и языкbn. - Для sherpa-onnx нужно использовать
tokens_sherpa.txtв формате TOKEN-ID, а не Coqui-файлtokens.txt. - Чекпойнт
best_model.pth— 997 804 867 байт; конфиг и словарь рассчитаны на 92 токена, включая цифры ০–৯ и символы %, ×, ÷, + как произносимые слова.
Пример
В Streamlit-демо приложение забирает model_fullmeta.onnx и tokens_sherpa.txt по публичным resolve-URL и запускает sherpa-onnx на CPU с noiseScale 0.667, noiseScaleW 0.8, lengthScale 1.0, silenceScale 0.2, maxNumSentences 1 и 2 потоками. На выходе — речь 22 050 Гц; можно подавать новостные фразы на бенгальском с цифрами и символами из расширенного словаря.
Подробнее
Бенчмарков в карточке нет.ONNX-файл — 114 192 731 байт, чекпойнт
best_model.pth — 997 804 867 байт.Для sherpa-onnx обязателен
tokens_sherpa.txt; движок: CPU, 2 потока, 22 050 Гц.Ограничение: один диктор, бенгальский язык, новостной стиль.










Comments