Skip to content
Audio

rumik-oss-1-male

мужские голоса без дообучения

2 min readupdated

Независимая исследовательская адаптация модели синтеза речи (TTS) rumik-oss-1 (3.38B параметров) от пользователя Sanyam0605. Оригинальная модель умеет говорить только четырьмя женскими голосами (Ira, Aisha, Siya, Zoya), а эта версия добавляет мужской вариант для каждого из них. Главное отличие — отсутствие классического файнтюна: автор модифицировал поведение модели напрямую через активационный патч из двух векторов (всего 4096 чисел), оставив исходные веса нетронутыми. Пригодится разработчикам и исследователям, изучающим управление генерацией речи (activation steering) и кастомизацию голосов.

Ключевые особенности

  • Без градиентов и обучения: мужское звучание получено через разницу средних активаций на слоях 19 и 27, которая подмешивается к выходу MLP-слоёв 18 и 26.
  • Гибкое переключение на лету: метод set_voice() позволяет мгновенно менять пол голоса, возвращаться к оригиналу или регулировать глубину тембра параметром strength.
  • Сохранение узнаваемости: классификатор спикеров по признакам WavLM по-прежнему узнаёт исходных дикторов (с вероятностью 0.80–0.97), но с пониженной основной частотой тона (F0 около 103–115 Гц вместо 222–260 Гц).
  • Готовый сервер из коробки: в комплектный скрипт server.py уже добавлены пресеты Ira (male), Aisha (male), Zoya (male) и Siya (male).

Что можно сделать

  • Озвучка диалогов одной моделью: переключать set_voice("male") и set_voice(None) между репликами, чтобы вести беседу мужским и женским голосами без загрузки второй нейросети.
  • Тонкая настройка тембра: менять силу воздействия (например, strength=1.5 для более глубокого баса или 0.7 для стабильности голоса Siya) под нужную интонацию персонажа.
  • Исследование механистической интерпретируемости: использовать код и векторы из файла voice-patches.safetensors как готовый кейс по управлению признаками в речевых моделях.

Пример

from transformers import AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained("Sanyam0605/rumik-oss-1-male", trust_remote_code=True, dtype="bfloat16").cuda().eval()
model.set_voice("male")                  # включить мужской вариант голосов
model.set_voice("male", strength=1.5)    # сделать тембр ещё глубже
model.set_voice(None)                    # вернуть исходные женские голоса
Подробнее Метрики: частота тона F0 снижается с 222–260 Гц до 103–115 Гц, Whisper WER составляет 0.00–0.02 (на 6 тестовых клипах по 2 предложения).
Ограничения: для голоса Siya при стандартной силе целым остался только 1 клип из 6 — автор рекомендует снижать strength до 0.7.
Особенности тембра: из-за более высоких формант (F2 ≈ 1800 Гц) голоса могут восприниматься как глубокий тембр при меньшем голосовом тракте.
Лицензия: CC-BY-NC 4.0 (только для исследований и некоммерческого использования, как у базовой модели rumik-oss-1).
Discuss Telegram 0 25

Will it run?

Runs in BF16

Fits without quantisation.

  • BF16weights 6.3 GB · ready files7.4 GB
  • FP8 / INT8recommendedweights 3.1 GB4.0 GB
  • 4-bitweights 1.8 GB2.4 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

What to get for this model

Massed ComputeOpen Massed Compute

Your own GPU: FP8 / INT8 — from RTX 2060 · BF16 — from RTX 5060 Ti 8GB

Massed Compute hourly prices, November 2026. The discounted price applies with the coupon at checkout.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # Sanyam0605/rumik-oss-1-male
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Sanyam0605/rumik-oss-1-male --local-dir ~/models/rumik-oss-1-male
    # The model is in ~/models. How to run it is in the model card (link above).
    Add more LoRAs to rumik-oss-1-male
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

  1. tiny-aya-basefamily root
  2. tiny-aya-fire
  3. rumik-oss-1-base
  4. rumik-oss-1
  5. rumik-oss-1-male

New posts about versions of tiny-aya-base (quants, finetunes, LoRAs) will show up under the bell.

Quantised versions 3All on Hugging Face
Fine-tunes 12All on Hugging Face
LoRAs and adapters 12All on Hugging Face

About the model

Sanyam0605/rumik-oss-1-male
Author
Sanyam0605
Category
Audio
Released
Posted

On NeyroLearn

Hugging Face

250

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments