К содержимому
Аудио

Humaneness Voice Large 1.7 Singing

экспериментальная модель для генерации пения и речи

1 мин чтенияобновлено

Новая разработка от LAION объединяет возможности голосового синтеза и генерации песен. Модель построена на базе речевого трансформера MOSS-TTS и обучена на огромном массиве данных, включающем песни на английском, немецком, голландском, французском и испанском языках, а также мычание и свист. Адаптер уже слит с базовыми весами BF16, поэтому модель можно загружать стандартным способом. Она подходит для экспериментов со сложным вокалом, интонациями и музыкальными зарисовками.

Ключевые особенности

  • Поддержка вокального исполнения и пения на пяти европейских языках
  • Способность генерировать не только слова, но и мычание, насвистывание или мелодии без текста
  • Общий объём параметров модели составляет 4.13 миллиарда
  • Адаптер (LoRA) уже встроен в корневые веса, дополнительная установка не требуется

Что можно сделать

  • Сгенерировать короткие вокальные композиции или колыбельные на разных языках
  • Создать экспериментальный трек с помощью текстового промпта и файла с инструкциями
  • Протестировать генерацию речи со специфическими музыкальными и эмоциональными директивами

Пример

hf download laion/Humaneness-Voice-Large-1.7-Singing-Experimental --local-dir experimental-singing
cd experimental-singing
python -m pip install -r requirements.txt
python infer.py --text "An original short lyric." --prompt-file direction.txt --language en --seconds 20 --output example.wav
ПодробнееАрхитектура: MOSS-TTS local transformer v1.5
Обучение: 3 эпохи на 392,256 примерах с использованием 8 видеокарт GH200
Параметры адаптера: rank/alpha 128 на 146 проекциях внимания
Лицензия: CC BY 4.0
Обсудить Telegram 0 40

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 7.7 GB · готовые файлы9.0 GB
  • FP8 / INT8рекомендуемвеса 3.8 GB4.7 GB
  • 4-bitвеса 2.2 GB2.9 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 3080

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.

    # laion/Humaneness-Voice-Large-1.7-Singing-Experimental
    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-Singing-Experimental --local-dir ~/models/Humaneness-Voice-Large-1.7-Singing-Experimental
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  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

Дообучение модели

laion/Humaneness-Voice-Large-1.7
  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-Singing-Experimental

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-Singing-Experimental
Автор
laion
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

400

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии