Canora Dutch
качественный синтез речи для нидерландского языка
2 мин чтенияобновлено
Canora Dutch — это открытая модель синтеза речи (TTS (text-to-speech, технология преобразования текста в речь)) для нидерландского языка, предлагающая два голоса: женский (noor) и мужской (daan). Архитектурно она основана на лёгкой и быстрой базе Kokoro-82M (модель объемом 82 миллиона параметров) и распространяется по лицензии Apache 2.0, разрешающей коммерческое использование. Модель корректно проговаривает числа, даты, время и цены, превосходя по качеству и разборчивости многие существующие аналоги. Она отлично подойдет разработчикам голосовых ассистентов, создателям аудиокниг и приложений для чтения текста на нидерландском.
Ключевые особенности
- Два голоса: женский
noorи мужскойdaanс естественным звучанием. - Корректное чтение чисел, дат, времени и цен по правилам нидерландского языка.
- Компактный размер: 82 миллиона параметров, высокая скорость работы и квантованные int8 ONNX-веса размером всего 115 МБ.
- Стандартная экосистема: полная совместимость с библиотекой
kokoroи поддержка ONNX Runtime с transformers.js. - Свободная лицензия Apache 2.0 для коммерческого и личного использования.
Что можно сделать
- Интегрировать модель в ботов или сервисы для озвучивания текстов на нидерландском языке.
- Создавать инструменты для автоматической генерации аудиокниг и обучающих материалов.
- Внедрять озвучку в приложения и инструменты доступности (accessibility) для пользователей с нарушениями зрения.
- Запускать модель в браузере или на мобильных устройствах с помощью ONNX Runtime и transformers.js.
Пример
import importlib, sys
from pathlib import Path
import soundfile as sf
import torch
from huggingface_hub import hf_hub_download
from kokoro import KModel
REPO = "empiriolabsai/canora-dutch"
sys.path.insert(0, str(Path(hf_hub_download(REPO, "g2p_nl.py")).parent))
g2p = importlib.import_module("g2p_nl").DutchG2P()
model = KModel(repo_id=REPO, config=hf_hub_download(REPO, "config.json"),
model=hf_hub_download(REPO, "canora-dutch.pth")).eval()
voice = torch.load(hf_hub_download(REPO, "voices/noor.pt"), weights_only=True)
phonemes, _ = g2p("Op 12 maart om 14:30 kost een kaartje € 12,50.")
with torch.no_grad():
audio = model(phonemes, voice[len(phonemes) - 1], 1.0)
sf.write("speech.wav", audio.numpy(), 24000)
Подробнее
Бенчмарки на 200 тестовых предложений (WER: word error rate, ниже лучше; UTMOS: оценка естественности от 1 до 5, выше лучше): голосnoor — 0.93% WER, 4.21 UTMOS; голос daan — 0.98% WER, 4.15 UTMOS.Требования к железу: легкая модель (82 млн параметров), работает быстрее реального времени на CPU (на 4 потоках AMD EPYC — в 3.4–3.8 раза быстрее реального времени).
Ограничения: поддерживает только нидерландский язык (слова из других языков читаются по правилам нидерландского), фиксированный стиль речи без эмоций и управления интонацией.
Детали обучения: синтетические голоса разработаны авторами, не являются копиями реальных людей.










Комментарии