К содержимому
Аудио

vits-new-mms-graphemes

модель синтеза речи для языка ньюар

1 мин чтенияобновлено

Эта модель представляет собой адаптацию архитектуры VITS от Meta на базе upstream-решения facebook/mms-tts-new, упакованную для ONNX-библиотеки phoonnx. Она решает задачу Text-to-Speech (синтез речи) для языка ньюар (Newar), преобразуя текстовые графемы в качественный аудиофайл формата WAV. Модель основана на проверенных наработках Meta MMS (Massively Multilingual Speech) и оптимизирована для работы через phoonnx, а также интеграции с голосовым ассистентом OVOS. Подойдет разработчикам локальных голосовых интерфейсов и исследователям редких языков.

Ключевые особенности

  • Архитектура VITS для качественного генеративного синтеза речи
  • Базируется на наработках проекта facebook/mms-tts-new от Meta
  • Полностью упакована для использования в ONNX-библиотеке phoonnx
  • Поддержка интеграции в голосовой помощник OVOS через плагин ovos-tts-plugin-phoonnx

Что можно сделать

  • Синтезировать речь на языке ньюар из текстовых строк с помощью Python-скрипта
  • Подключить модель в экосистему OVOS через конфигурационный файл mycroft.conf
  • Использовать встроенный текстовый фронтенд scriptconv для нормализации символов и графем

Пример

Пример генерации речи на языке ньюар с использованием phoonnx в Python:

import wave
from phoonnx.model_manager import TTSModelManager

manager = TTSModelManager()
manager.load()
manager.merge_default_voices()

voice = manager.voices["facebook/mms-tts-new-Newar"].load()

with wave.open("output.wav", "wb") as wav_file:
    text = "..."  # a sentence in new
    voice.synthesize_wav(text, wav_file)
ПодробнееАрхитектура: VITS
Апстрим: facebook/mms-tts-new
Язык: ньюар (Newar / `new`)
Лицензия: cc-by-nc-4.0
Обсудить Telegram 0 11

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

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

О модели

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

На сайте

Hugging Face

110

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

tiny-voca-ca

tiny-voca-ca