К содержимому
Аудио

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 F
Подробнее• 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.
Обсудить Telegram 0

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.

    # darioooooo0o/malagasy-tts-mgvoca
    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 darioooooo0o/malagasy-tts-mgvoca --local-dir ~/models/malagasy-tts-mgvoca
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к malagasy-tts-mgvoca
  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 malagasy-tts-mgvoca — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

darioooooo0o/malagasy-tts-mgvoca
Автор
darioooooo0o
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

pingo-ptbr

pingo-ptbr
Аудио

Canora Dutch

Canora Dutch