К содержимому
Аудио

Matoub-4B

TTS для кабильского языка с клонированием голоса

2 мин чтенияобновлено

Matoub-4B — 4B-параметрическая TTS-модель для кабильского языка (Taqbaylit, kab, латиница) от agbalu. Обучена на 384 960 парах речи из Common Voice Kabyle и синтезирует аудио 24 kHz. Голос задаётся короткой референсной записью и её точным транскриптом; в основе — bosonai/higgs-tts-3-4b с 8-codebook аудиокодеком.

Ключевые особенности

  • Голос клонируется по короткой референсной записи; транскрипт должен точно совпадать с произнесённым и оставаться на исходном языке.
  • Выход — моно-аудио 24 kHz; 8-codebook кодек передаёт фонологию кабильского, включая спирантизированные, фарингализованные, эмфатические и геминированные согласные.
  • Загрузка через Transformers AutoModelForTextToWaveform с trust_remote_code=True.
  • Обучение — 384 960 пар из Common Voice 26.0 Kabyle; validation 29 812, test 5 871.
  • NF4-квантизация снижает пик памяти с 9.94 GB до 4.57 GB, но на замерах ухудшает произношение и завершение относительно BF16.
  • Лицензия — только некоммерческое исследовательское использование, как у базовой модели Boson Higgs TTS 3.

Пример

import soundfile as sf
from transformers import AutoModelForTextToWaveform
model = AutoModelForTextToWaveform.from_pretrained(
    "agbalu/Matoub-4B", trust_remote_code=True
).to("cuda").eval()
speech = model.generate(text="Azul fell-awen!", reference_audio="voice.wav", reference_text="exact transcript")
sf.write("speech.wav", speech.waveform[0].numpy(), speech.sampling_rate)
ПодробнееВалидация: 16 utterances, 6 speakers; 15/16 завершились; средний voice cosine 0.881; CER excess 0.045.
Память: BF16 — 9.94 GB, NF4 — 4.57 GB (H100 MIG, single-candidate); NF4 может ухудшать произношение и завершение.
Обучение: rank-32 LoRA (alpha 64), 12 030 шагов, final loss 3.8997 nats.
Ограничения: только kab; Tarifit и Tashelhit не покрыты; имена и заимствования могут требовать правок; не для биометрии, имитации личности и safety-critical задач.
Обсудить Telegram 1 39

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # agbalu/Matoub-4B
    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 agbalu/Matoub-4B --local-dir ~/models/Matoub-4B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Matoub-4B
  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 Matoub-4B — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

agbalu/Matoub-4B
Автор
agbalu
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

391

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

Swanada

Swanada
Аудио

NebulaMapper

NebulaMapper