К содержимому
Аудио

vits-av_ru-mms-graphemes

синтез речи на аварском языке в формате ONNX

1 мин чтенияобновлено

Модель преобразования текста в речь (TTS) для аварского языка (код локали av-RU). В основе лежит оригинальная модель facebook/mms-tts-ava с архитектурой VITS от Meta, сконвертированная в формат ONNX и упакованная автором Phoonnx для работы в библиотеке phoonnx. В отличие от исходной версии на PyTorch, этот вариант готов к запуску через ONNX-рантайм, а за нормализацию текста отвечает встроенный фронтенд scriptconv. Подойдёт разработчикам голосовых помощников и локальных сервисов с поддержкой аварского языка.

Ключевые особенности

  • Архитектура VITS, адаптированная из модели facebook/mms-tts-ava (автор оригинала — Meta).
  • Поставляется в формате ONNX для запуска через Python-библиотеку phoonnx.
  • Принимает на вход символы текста (graphemes), преобразуя их через GraphemePhonemizer из библиотеки scriptconv.
  • Поддерживает прямую интеграцию в голосовой ассистент OVOS через плагин ovos-tts-plugin-phoonnx.

Что можно сделать

  • Встроить озвучку текста на аварском языке в Python-скрипт или локальный сервис с сохранением аудио в WAV.
  • Подключить голос facebook/mms-tts-ava-Avar в конфигурацию голосового помощника OVOS (mycroft.conf).

Пример

import wave
from phoonnx.model_manager import TTSModelManager

manager = TTSModelManager()
manager.load()
manager.merge_default_voices()
voice = manager.voices["facebook/mms-tts-ava-Avar"].load()
with wave.open("output.wav", "wb") as wav_file:
    voice.synthesize_wav("...", wav_file)
ПодробнееЯзык: аварский (av-RU).
Идентификатор голоса в phoonnx: facebook/mms-tts-ava-Avar.
Лицензия: cc-by-nc-4.0 (унаследована от facebook/mms-tts-ava, только некоммерческое использование).
Установка: pip install --pre phoonnx.
Обсудить Telegram 0 24

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 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.

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

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

О модели

Phoonnx/vits-av_ru-mms-graphemes
Автор
Phoonnx
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

240

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

LongCap_ICLR

LongCap_ICLR