К содержимому
Аудио

AzurLane GPT-SoVITS V5dev

голоса 902 персонажей для озчки

2 мин чтения

Набор весов для популярной системы синтеза речи GPT-SoVITS версии V5dev, обученный на японской и китайской озвучке из игры «Азур Лейн». Модель покрывает 902 корабельных персонажа и позволяет озвучивать текст на русском, китайском или японском языках, используя короткий аудиофрагмент (от 3 до 10 секунд) в качестве референса. В комплект входят чекпоинты GPT (до 15-й эпохи) и SoVITS LoRA (небольшая надстройка над базовой моделью для адаптации голосов) с рангом 32. Релиз включает детальные результаты оценки качества по метрикам схожести голоса и точности произношения.

Ключевые особенности

  • Огромная база данных: обучение на 50 759 аудиозаписях общей длительностью около 138.3 часов.
  • Гибкие комбинации: возможность использовать веса GPT 15-й эпохи совместно с официальным SoVITS или специализированными SoVITS LoRA.
  • Бенчмарки в комплекте: подробное сравнение различных комбинаций эпох по метрикам ERes2NetV2, WavLM и уровню ошибок в тексте.
  • Поддержка экспортных форматов: возможность конвертации моделей в AR GGUF для работы через быстрый локальный сервер gsv.cpp.

Что можно сделать

  • Озвучка для модов и роликов: генерировать диалоги и фразы для фанатских проектов с голосами персонажей «Азур Лейн».
  • Интеграция в WebUI: запустить локальный синтез речи в официальном GPT-SoVITS WebUI, выбрав нужный конфиг `v5dev`.
  • Использование через API: развернуть быстрый локальный бэкенд на базе gsv.cpp с поддержкой Vulkan или CPU.

Пример

python tools/export_gguf/export.py --kind ar --ckpt "azur-lane-all-v5dev-20261121-e15.ckpt" --out "azurlane-v5dev-e15.gguf" --f16 --self-test
Подробнее• Датасет: 50 759 аудиофрагментов (49 727 японских и 1 032 китайских, 114 реплик TB).
• Архитектура: GPT-SoVITS V5dev (архитектура AR + SoVITS, LoRA с rank 32).
• Оценка: тестировалось на 16 голосах, 24 японских и 16 китайских тестовых фразах.
• Исходный код: базируется на上游 коммите GPT-SoVITS 6d51ffceafbf.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 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.

    # Moear/AzurLane-GPT-SoVITS-V5dev
    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 Moear/AzurLane-GPT-SoVITS-V5dev --local-dir ~/models/AzurLane-GPT-SoVITS-V5dev
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к AzurLane-GPT-SoVITS-V5dev
  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

lj1995/GPT-SoVITS

Новые посты про версии GPT-SoVITS — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 5Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face

О модели

Moear/AzurLane-GPT-SoVITS-V5dev
Автор
Moear
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

Аудио

pingo-ptbr

pingo-ptbr
Аудио

Canora Dutch

Canora Dutch