К содержимому
Аудио

tiny-voca-ar

компактная модель синтеза речи для классического арабского языка

2 мин чтения

Модель tiny-voca-ar представляет собой портированную версию легкой архитектуры tiny-voca, адаптированную для работы с современным стандартным арабским языком (Modern Standard Arabic). Она содержит около 4,5 млн параметров и обучена с нуля без предварительно обученных весов на синтезированных данных. На выходе получается монофонический аудиопоток с частотой 24 кГц. Модель ориентирована на автономное, локальное или встраиваемое использование в приложениях, где критичны ресурсы железа.

Ключевые особенности

  • Легковесный дизайн: Всего 4,5 миллиона параметров для быстрой работы на слабых устройствах.
  • Опора на огласовки: Работает исключительно с текстом, содержащим полные огласовки (ташхиль).
  • Качественный голос: Оптимизирована под мужской студийный голос в слоте M2.
  • Открытая лицензия: Распространяется под лицензией Apache-2.0 с атрибуцией по CC BY 4.0.

Что можно сделать

  • Озвучка текстов: Создавать аудиодорожки для классических арабских текстов в офлайн-режиме.
  • Интеграция в боты: Подключать компактную озвучку в локальные сервисы и приложения.
  • Экспорт в ONNX: Использовать готовый экспорт модели для инференса на различных платформах.

Пример

Запуск генерации речи через Python-скрипт с помощью пакета tiny-voca:

import soundfile as sf
from tiny_voca.infer import load_model, speak_text

model = load_model("tiny-voca-ar/tiny-voca-ar.pt")
wave, _ = speak_text(model, "اِتَّصِلْ بِي عَلَى هَاتِفِي 0501234567 فِي أَيِّ وَقْتٍ.", voice="M2")
sf.write("phone.wav", wave.numpy(), 24000)
Подробнее• Архитектура и обучение: обучена на 79 955 шагах на данных из ClArTTS и Arabic Speech Corpus.
• Метрики: Word Error Rate (WER) по Whisper large-v3-turbo составляет 0.0532.
• Ограничения: поддерживается только один мужской голос (слот M2, слот F2 не обучен); текст должен содержать огласовки.
Обсудить Telegram 0 17

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # abdullah/tiny-voca-ar
    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 abdullah/tiny-voca-ar --local-dir ~/models/tiny-voca-ar
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к tiny-voca-ar
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии tiny-voca-ar — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

abdullah/tiny-voca-ar
Автор
abdullah
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

170

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

Hilbert-LoRA-V3

Hilbert-LoRA-V3
Аудио

SAVA

SAVA
Аудио

tiny-voca-ca

tiny-voca-ca