К содержимому
Другое

Fade Aligner

быстрое выравнивание фонем

1 мин чтенияобновлено

Fade Aligner — инструмент фонемного forced alignment: принимает аудио и транскрипт и возвращает для каждой фонемы начало и конец. Построен на Stylish-TTS/StyleTTS 2, акустика — TDNN-BLSTM с CTC, декодирование — HMM Viterbi. Демо-модель для английского: 5,0 млн параметров, файл 20 МБ, обучена на LibriTTS-R train-clean-100 (50 ч).

Ключевые особенности

  • Возвращает границы фонем в JSON и Praat TextGrid с уровнями phones и words.
  • Транскрипт фонемизируется espeak-ng; работает для любого языка с голосом espeak-ng, таблица фонем общая.
  • Акустическая модель — небольшой TDNN-BLSTM с CTC на 100-bin mel-спектрограммах, декодирование — HMM Viterbi.
  • Обучение: CTC с label priors, затем Viterbi-раунды, затем HMM-декодирование.
  • Демо-модель: английский, 5,0 млн параметров, 20 МБ, LibriTTS-R train-clean-100 (50 ч).

Пример

python tools/align_folder.py --input my_clips --model model/latest.pt --lang en-us --out out
ПодробнееГлавных бенчмарков границ нет: авторы не сравнивали ошибку с Montreal Forced Aligner. Средняя confidence на train — 0,55, у 1,2 % клипов ниже 0,3.
Разрешение — 10 мс, минимальная фонема по умолчанию 30 мс. Демо-модель только для английского; клипы 1–20 с.
Внутренняя частота 44,1 кГц, LibriTTS-R (24 кГц) апсемплится, поэтому выше 12 кГц демо-модель не слышала.
Обсудить Telegram 2

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.

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

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

О модели

FashionFlora/fade-aligner
Автор
FashionFlora
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

02

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии