К содержимому
Аудио

CS_VITS_medical_16k

чешский TTS для медицинской речи

1 мин чтения

Многоспикерная модель синтеза речи на архитектуре VITS (Coqui TTS), обученная с нуля на чешском языке на медицинских и научных записях. Работает на 16 kHz, без фонемизатора, на графемном уровне; опубликованы веса best_model.pth.

Ключевые особенности

  • 425 голосов и 104 653 клипа (143,73 ч) в обучающем корпусе.
  • Вход — 51 символ, транскрипты графемные; пунктуация ограничена . , ? !.
  • Обучение: 145 000 шагов; выбран чекпоинт с лучшим eval loss — шаг 26 168.
  • Совместима с Coqui TTS; для загрузки нужно расширить таблицу эмбеддингов текста.
  • Нет встроенной нормализации текста: числа и аббревиатуры нужно писать словами.

Пример

config = load_config("config.json")
model = setup_model(config)
state = torch.load("model.pth", map_location="cpu", weights_only=False)
voulu = state["model"]["text_encoder.emb.weight"].shape[0]
if model.text_encoder.emb.num_embeddings != voulu:
    model.text_encoder.emb = torch.nn.Embedding(
        voulu, model.text_encoder.emb.embedding_dim)
model.load_checkpoint(config, checkpoint_path="model.pth", eval=True)
ПодробнееОценка на 30 синтетических фразах: CER 55,99 %, WER 86,36 %; автор отмечает, что это верхние границы из-за несовершенного ASR-судьи.
Веса и конфиг — Apache-2.0. Модель не клонирует произвольный голос: сходство ограничено исходными записями.
Редкие названия лекарств и аббревиатуры могут произноситься неверно.
Обсудить Telegram 0 27

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # PraxySante/CS_VITS_medical_16k
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 PraxySante/CS_VITS_medical_16k --local-dir ~/models/CS_VITS_medical_16k
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к CS_VITS_medical_16k
  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 CS_VITS_medical_16k — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

PraxySante/CS_VITS_medical_16k
Автор
PraxySante
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

270

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

MedReason

MedReason
Другое

Gemma 4 E2B

Gemma 4 E2B