mg-voca: малагасийский TTS для мобильных устройств
2 мин чтения
Модель mg-voca решает задачу преобразования текста в речь (Text-to-Speech) на малагасийском языке, выдавая аудио с частотой 24 кГц. Она поддерживает два голоса (женский и мужской) и весит всего 21 МБ в формате ONNX, благодаря чему работает локально на CPU, в браузере или на смартфоне без подключения к интернету. Архитектура модели основана на миниатюрной схеме tiny-voca и включает энкодер на базе трансформеров, предиктор длительности и генератор формы волны без отдельного вокодера. Она отлично подойдет для разработчиков офлайн-приложений, голосовых ассистентов или связок с системами распознавания речи (STT) для малагасийского языка.
Ключевые особенности
- Компактный размер: вес модели составляет всего 21 МБ, что позволяет запускать её на мобильных устройствах.
- Высокая скорость работы: медианное время генерации предложения составляет около 146 мс на двух потоках CPU.
- Два голоса: встроенные женский и мужской голоса, обученные на данных проекта Afrivoice Malagasy.
- Лёгкий запуск: работа через ONNX Runtime без тяжеловесных зависимостей вроде PyTorch.
Что можно сделать
- Создать офлайн-ассистента: интегрировать модель в мобильное или веб-приложение для озвучивания ответов без интернета.
- Сделать связку со STT: объединить с моделью распознавания речи для двустороннего голосового ввода-вывода.
- Синтезировать реплики: озвучивать короткие команды, уведомления и статусы в интерфейсе на малагасийском языке.
Пример
pip install onnxruntime numpy soundfile huggingface_hub
hf download darioooooo0o/malagasy-tts-mgvoca --local-dir mg-tts
python mg-tts/examples/quickstart_tts.py mg-tts "Manao ahoana, inona no vaovao?" hello.wav FПодробнее
• Параметры: около 4.5 миллионов параметров.• Производительность: медиана 146 мс на предложение (в 105 раз быстрее реального времени) на 2 потоках CPU.
• Качество: оценка естественности составляет 3.5 из 5 (по данным одного тестировщика).
• Лицензия: Apache-2.0 для кода и весов модели; тренировочные аудиоданные распространяются по лицензии CC-BY-4.0.










Комментарии