К содержимому
Аудио

Humaneness Voice Large 1.7 Acting LoRA r128

актёрская озвучка с паузами и эмоциями

2 мин чтенияобновлено

Команда LAION выпустила нативный LoRA-адаптер (небольшую обучаемую надстройку над основной моделью) с рангом 128 для модели синтеза речи Humaneness Voice Large 1.7 (архитектура MOSS-TTS и локальный Talker). Адаптер превращает обычный синтезатор в актёра озвучки: модель учится передавать сложные эмоции, монолог от лица персонажа, физическое напряжение, невербальные реакции вроде вздохов и точные паузы по таймингам. Поддерживаются пять разговорных языков — английский, немецкий, испанский, французский и нидерландский, а также бессловесная вокализация. Инструмент пригодится разработчикам игр, создателям аудиоспектаклей и исследователям выразительного TTS.

Ключевые особенности

  • Разметка сценария через блоки GENERAL и SCRIPT: можно задавать общую подачу, эмоции в скобках, длительность фраз, паузы в секундах и невербальные события (например, вздох).
  • Клонирование голоса по короткому референсу: достаточно чистой записи одного диктора длиной от 5,04 до 14,96 секунды, либо можно использовать встроенные псевдонимы голосов и генерацию без референса.
  • Нативный формат для MOSS-TTS: это не LLaMA-чекпоинт и не стандартный PEFT-адаптер — в репозитории лежит собственный загрузчик, код обучения и 152 572 тренировочных примера с токенами.
  • Без вокала: обучение фокусировалось исключительно на разговорной актёрской игре, песни и музыкальные примеры намеренно исключены.

Что можно сделать

  • Озвучивать реплики персонажей в играх и визуальных новеллах с управлением интонацией, паузами и эмоциональными переходами прямо в тексте сценария.
  • Клонировать тембр конкретного актёра по 5–15-секундному сэмплу и генерировать выразительные монологи на английском, немецком, французском, испанском или нидерландском.
  • Исследовать управляемый синтез речи: в комплекте есть готовые скрипты оценки, тестовый набор на 40 эмоций для нейтрального текста и полные манифесты данных.

Пример

hf download laion/Humaneness-Voice-Large-1.7-Acting-LoRA-r128 --local-dir hv17-acting-r128
cd hv17-acting-r128 && python -m pip install -r requirements.txt
python download_base.py
python make_eval_cases.py --modality imaginary_monologue --language en --count 5 --output cases.jsonl
python infer_adapter.py --cases cases.jsonl --output outputs/my_voice --mode reference --reference-wav speaker.wav --limit 5
ПодробнееОбучение: 3 эпохи (шаг 14 304) на 8 GPU GH200; 96 337 920 обучаемых параметров (rank 128, alpha 128 на 146 проекциях внимания), 152 572 уникальных примера.
Железо: требуется GPU с CUDA и Python 3.11+ (в продакшене использовался Python 3.13); в качестве консервативной отправной точки указана видеокарта с 80 ГБ VRAM.
Ограничения: авторы предупреждают, что завершение обучения не гарантирует прироста метрик качества, а новый пакет перед запуском прошёл проверку только на CPU; старый адаптер rank-32 из базового репозитория подключать нельзя.
Лицензия: CC BY 4.0 (с обязательным указанием авторства LAION).
Обсудить Telegram 0

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 16 GB · готовые файлы18 GB
  • BF16веса 8.1 GB9.4 GB
  • FP8 / INT8рекомендуемвеса 4.2 GB5.1 GB
  • 4-bitвеса 2.5 GB3.3 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 · F32 — от RTX 4090

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью Humaneness-Voice-Large-1.7.

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.

    # laion/Humaneness-Voice-Large-1.7-Acting-LoRA-r128
    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 laion/Humaneness-Voice-Large-1.7 --local-dir ~/models/Humaneness-Voice-Large-1.7
    hf download laion/Humaneness-Voice-Large-1.7-Acting-LoRA-r128 --local-dir ~/models/Humaneness-Voice-Large-1.7-Acting-LoRA-r128
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Humaneness-Voice-Large-1.7
  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

Нужна базовая модель

laion/Humaneness-Voice-Large-1.7

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. moss-tts-local-transformer-4.55b-voice-acting-v2основа семьи
  2. moss-tts-local-transformer-4.55b-voice-acting-v2-sft3
  3. Humaneness-Voice-Large-1.2-Alpha
  4. Humaneness-Voice-Large-1.3-Alpha
  5. Humaneness-Voice-Large-1.7
  6. Humaneness-Voice-Large-1.7-Acting-LoRA-r128

Новые посты про версии moss-tts-local-transformer-4.55b-voice-acting-v2 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

laion/Humaneness-Voice-Large-1.7-Acting-LoRA-r128
Автор
laion
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