К содержимому
Аудио

Goldfinch v0.1

крошечный TTS, который смеётся и вздыхает

1 мин чтенияобновлено

Goldfinch — разговорная англоязычная TTS-модель от Flock Speech на 11,4 млн параметров (плюс 13,5 млн у вокодера). Она не читает текст ровно, а сохраняет «uh», «you know» и неречевые звуки по тегам, работая на CPU без GPU и PyTorch.

Ключевые особенности

  • Разговорная подача: филлеры, перезапуски вроде «I, I think» и теги [laugh], [breath], [sigh].
  • ONNX Runtime на CPU: Linux, macOS, Windows; x86-64 и ARM64, без сети.
  • 44 МБ в оптимизированной сборке: int8-декодер, fp16-энкодер и вокодер; есть fp32-вариант на 100 МБ.
  • Выход 24 кГц моно; одна разговорная голосовая манера, без клонирования голоса.
  • Лицензия Apache-2.0; веса вокодера Vocos — MIT.

Пример

from flockspeech import Goldfinch

tts = Goldfinch()
audio = tts('Yeah, um, [laugh] I know.')
tts.save('Well, you know, it depends.', 'reply.wav')
ПодробнееUTMOS22: 3,66 против 3,89 у реальных записей; WER 6,31%.
Оптимизированная сборка: 8,5× быстрее реального времени на 1 потоке CPU и 19× на 4, пик RAM около 215 МБ.
Ограничения: только английский, один голос, слабые теги [sigh] и [noise], нет нормализации чисел и дат; произношение через espeak-ng.
Обучение: 8,3 часа данных, около 3,1 часа на одной NVIDIA T4.
Обсудить Telegram 1

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 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.

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

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

О модели

flockspeech/goldfinch
Автор
flockspeech
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

caramel-1

caramel-1