К содержимому
Аудио

lolo_Q8y_voice

первая TTS-модель для кувейтского диалекта

2 мин чтенияобновлено

Модель lolo_Q8y_voice от разработчика قصي الدعيج (Qusai Al-duaij) решает задачу синтеза речи (Text-to-Speech) с естественным звучанием и студийным качеством вещания на аутентичном кувейтском диалекте (24,000 Hz). Архитектура основана на DiT Flow-Matching (базовые модели F5TTS_v1_Base / Habibi-TTS) и вокодере Vocos 24 kHz, а обучение проходило в два этапа с общим объемом около 67 часов размеченных аудиоданных. Главная особенность модели — строгая фонетическая разметка специфических звуков (каирского джима گ и персидского джима چ) наряду с сохранением литературных арабских звуков. Релиз входит в семейство моделей lolo AI Family и пригодится разработчикам голосовых ботов, создателям подкастов и исследователям региональных диалектов арабского языка.

Ключевые особенности

  • Студийное качество: генерация аудиосигнала с частотой дискретизации 24,000 Hz в формате Mono PCM.
  • Двухэтапное обучение: адаптация на 62 часах общего вещания и дополнительный этап точной настройки (Stage 2 Pure Kuwaiti Lock) на 4.78 часах чистой диалектной речи.
  • Фонетическая точность: поддержка корректного произношения и различения букв گ (G) и چ (Ch) в кувейтских словах.
  • Встроенный нормализатор: утилита kuwaiti_normalizer.py для автоматического перевода стандартного арабского текста в фонетическую орфографию.

Что можно сделать

  • Озвучка текстов: синтезировать аудиодорожки для подкастов, диалогов и радиосценариев на кувейтском диалекте.
  • Интеграция в боты: подключить веса модели через библиотеку F5-TTS для создания локальных русско- или арабоязычных голосовых ассистентов.
  • Нормализация текста: применять скрипт нормализации для подготовки скриптов с учетом особенностей местного диалекта перед генерацией.

Пример

from huggingface_hub import hf_hub_download
from kuwaiti_normalizer import normalize_kuwaiti_tts_text

repo_id = "qalduaij/lolo_Q8y_voice"
ckpt_path = hf_hub_download(repo_id=repo_id, filename="lolo_Q8y_voice.safetensors")
vocab_path = hf_hub_download(repo_id=repo_id, filename="vocab.txt")

raw_text = "مساكم الله بالخير، شلونج وشخبارج؟ قاعد اقول لكم سالفة كويتية أصيلة باجر."
kuwaiti_text = normalize_kuwaiti_tts_text(raw_text)
print(kuwaiti_text)
ПодробнееБенчмарки: 62.01 часа (21,816 клипов, 22,950 обновлений) в Stage 1 и 4.78 часа (1,867 клипов, 1,416 обновлений) в Stage 2.
Размер файлов: веса модели lolo_Q8y_voice.safetensors занимают 1.26 GB.
Лицензия: lolo-q8y-voice-inference-only-nc-nd-1.0 (только для инференса, без права повторного обучения, реструктуризации или клонирования голосов без согласия).
Системные требования: библиотека f5-tts, huggingface_hub, наличие референсного аудиофайла продолжительностью 5–10 секунд.
Обсудить Telegram 0 13

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.3 GB · готовые файлы1.9 GB
  • FP8 / INT8рекомендуемвеса 0.6 GB1.2 GB
  • 4-bitвеса 0.4 GB0.9 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 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.

    # qalduaij/lolo_Q8y_voice
    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 qalduaij/lolo_Q8y_voice --local-dir ~/models/lolo_Q8y_voice
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к lolo_Q8y_voice
  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

SWivid/Habibi-TTS
  1. F5-TTSоснова семьи
  2. Habibi-TTS
  3. lolo_Q8y_voice

Новые посты про версии F5-TTS — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 6Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 3Все на Hugging Face

О модели

qalduaij/lolo_Q8y_voice
Автор
qalduaij
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

130

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии